Prοxteam

La Proxteam est un groupe informel de chercheurs en informatique, linguistique et sciences cognitives. D'affiliations et de statuts variés (voir l'équipe), nous nous retrouvons autour d'un intérêt scientifique commun: l'étude des grands graphes de terrain et en particulier des réseaux lexicaux. Nous sommes pour la plupart issus de deux laboratoires CNRS toulousains: Le laboratoire  CLLE et plus particulièrement sa branche ERSS, à l'université du Mirail, et d'autre part l'IRIT à l'université Paul Sabatier. Cependant nos collaborations  étendent notre réseau aux échelles nationales et internationales.

Recherche

Les travaux pluridisciplinaires de la Proxteam portent sur la compréhension et l’exploitation des propriétés caractéristiques des grands graphes de terrain et plus particulièrement des graphes issus de la linguistique, des sciences cognitives et du web. Les grands graphes de terrains sont les graphes que l’on trouve en pratique, lorsqu'on modélise les relations entre données issues d'une grande variétés de domaines d’études : l’épidémiologie (contacts, ...), l’économie (échanges, ...), la sociologie (accointances, ...), la linguistique (réseaux sémantiques, ...), la psychologie (associations sémantiques, ...), la biologie (neurones, interactions protéine-protéine, ...), la science de l'information (hyperliens entre pages sur le world wide web....).
Il est remarquable que tous ces graphes, pourtant d’origines si diverses, possèdent des propriétés identiques bien particulières: ils font partie de la classe des Réseaux Petits Mondes Hiérarchiques (RPMH : faible densité en arcs, moyenne des chemins courts, existence de zones denses en arcs, incidence des sommets en loi de puissance).
Un autre fait tout aussi remarquable est que cette classe des RPMH est très petite au regard de l’ensemble des graphes possibles : la probabilité de tirer au hasard parmi l'ensemble des graphes possibles un graphe possédant ces propriétés est très proche de zéro. Il est surprenant que les graphes qui modélisent les relations entre les données auquelles nous avons à faire quotidiennement se ressemblent tous par leur structure commune, bien que cette structure soit très rare d’un point de vue probabiliste.
Nous cherchons à mieux comprendre pourquoi et comment de telles structures émergent, quels sont leurs conséquences algorithmiques, linguistiques, cognitives, et comment les exploiter pour aborder au mieux la complexité du monde qui nous entoure.