ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique

APPEL À
CONTRIBUTION
Décisions, argumentation et traçabilité dans l’Ingénierie des Systèmes d’Information
En savoir plus >>
Autres revues >>

Ingénierie des Systèmes d'Information

Networking and Information Systems
1633-1311
Revue des sciences et technologies de l'information
 

 ARTICLE VOL 9/3-4 - 2004  - pp.211-240  - doi:10.3166/isi.9.3-4.211-240
TITRE
Découverte de motifs fréquents dans les bases de données. Un cadre formel pour les méthodes

RÉSUMÉ
Nous présentons ici le cadre formel introduit par Heikki Mannila et Hannu Toivonen pour la découverte de motifs fréquents dans une base de données, ainsi que les usages qui en sont faits. Nous détaillons pour cela le calcul d'une théorie relativement à une contrainte antimonotone, grâce à l'algorithme GUESS & CORRECT. Nous expliquons alors l'algorithme par niveaux et les différentes versions de l'algorithme en profondeur. Enfin nous examinons la stratégie DIVIDE & CONQUER. Nous montrons ensuite que la difficulté d'extraction des motifs fréquents peut être contournée par l'usage de représentations condensées. Pour mettre en valeur l'intérêt des motifs fréquents, nous terminons cet article en présentant les usages de ces motifs qui autorisent les tâches classiques de la fouille de données : recherche d'associations, classification supervisée, ou non supervisée.


ABSTRACT
We present here a formal framework introduced by Heikki Mannila et Hannu Toivonen for the frequent pattern mining and their uses. We detail the computation of a theory w.r.t. an antimonotonous constraint, with the algorithm GUESS & CORRECT. We then explain the levelwise algorithm and different ways to depth-first algorithms. Finally we examine the DIVIDE & CONQUER strategy. We then show that the difficulty of frequent patterns mining can be bypassed by using condensed representations of patterns. In order to highlight the interest of the frequent patterns, we end this article with introducing the uses of this patterns, which allow the classical task of data-mining : associations, supervised or unsupervised classification.


AUTEUR(S)
François RIOULT

MOTS-CLÉS
fouille de données, extraction de motifs, représentation condensée, règles d'association, treillis de Galois.

KEYWORDS
data-mining, pattern mining, condensed representation, association rules, Galois lattice.

LANGUE DE L'ARTICLE
Français

 PRIX
• Abonné (hors accès direct) : 12.5 €
• Non abonné : 25.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (274 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier