Exploration adaptative de graphes sous contrainte de budget

Nous nous intéressons dans cet article à l’exploration d’un graphe tel celui du Web ou d’un réseau social dans un contexte où les nœuds (et les arêtes qui en sont issues) sont découverts un à un, et où le nombre total de nœuds que l’on peut explorer est contraint. Le but est d’optimiser un score global du sous-graphe découvert, fonction monotone de scores élémentaires sur chaque nœud. Ce problème se pose en particulier quand on souhaite collecter les pages du Web correspondant à un sujet donné ou quand on utilise l’API du site d’un réseau social tel Twitter pour constituer un jeu de données centré sur d’un thème. Nous présentons une abstraction de ce problème faisant appel à deux composants principaux : une stratégie d’exploration et un estimateur du score des nœuds de la frontière du graphe. Nous montrons qu’une stratégie gloutonne est suffisante en pratique, et qu’il est possible de s’adapter aux caractéristiques de différents graphes en utilisant des estimateurs qui apprennent automatiquement les caractéristiques prédisant le mieux les scores des nœuds. Ces techniques sont appliquées à des des graphes réels issus de Wikipedia ou de Twitter.