Pang (Pattern-Based Anomaly Detection in Graphs) est un algorithme qui représente et classe une collection de graphes en fonction de leurs motifs fréquents (sous-graphes). Les détails de cet algorithme sont décrits dans l’article ci-dessous. Ce travail a été réalisé dans le cadre du projet ANR DeCoMaP (Détection de la corruption dans les marchés publics — ANR-19-CE38-0004).
- URL : https://github.com/CompNet/Pang
- Date de production : 2022–2024
- Publications liées :
- Lucas Potin, Rosa Figueiredo, Vincent Labatut et Christine Largeron. « Pattern
Mining for Anomaly Detection in Graphs : Application to Fraud in Public Procurement
». In : Joint European Conference on Machine Learning and Knowledge Discovery
in Databases (ECML-PKDD). T. 14174. Lecture Notes in Computer Science. Turin,
IT : Springer, 2023, p. 69-87. DOI: 10.1007/978-3-031-43427-3_5. ⟨hal-04131485⟩ (cite this article if you use the software) - Lucas Potin, Rosa Figueiredo, Vincent Labatut et Christine Largeron. « Découverte
de connaissances et apprentissage dans les données graphes : Application aux
marchés publics français ». In : Atelier PFIA Découverte de Connaissances et Apprentissage
dans les Données Graphes (DECADE). Strasbourg, FR, 2023. DECADE ⟨hal-04154490⟩ - Lucas Potin, Rosa Figueiredo, Vincent Labatut et Christine Largeron. « Utilisation
de graphes pour la détection de corruption dans les marchés publics ». In : 24ème
Congrès Annuel de la Société Française de Recherche Opérationnelle et d’Aide à la Décision
(ROADEF). Rennes, FR, 2023. ROADEF ⟨hal-03994098⟩
- Lucas Potin, Rosa Figueiredo, Vincent Labatut et Christine Largeron. « Pattern