Laboratoire de Génie Informatique et d’Automatique de l’Artois

Seminar

Itemsets fréquents et règles d’association : extraction et réduction

The 20 November 2007 at 14:00 Seminars room of the LGI2A, FSA, Béthune
Tarek HAMROUNI --- Non définie
The seminar is held in french.

Durant ces dernières années, les quantités de données collectées, dans divers domaines d’application de l’informatique, deviennent de plus en plus importantes. Ces quantités ont suscité le besoin d’analyse et d’interprétation afin d’en extraire des connaissances utiles.

Dans cette situation, la fouille de données se propose de donner les outils et/ou techniques nécessaires pour l’extraction de ces connaissances. Deux classes de motifs se sont alors avérées très utiles et simultanément utilisées dans la pratique, à savoir :

- les itemsets fréquents
- les règles d’association

Un itemset est une conjonction d’items relatifs au contexte d’extraction alors qu’une règle d’association est une expression causale avec parties prémisse et conséquence et probabiliste ayant une fréquence ou support et une force ou confiance des co-occurrences entre les items de la prémisse et ceux de la conclusion.

Toutefois, l’ensemble de tous les itemsets fréquents et de toutes les règles valides (par rapport aux mesures de support et de confiance) extrait à partir des contextes réels est généralement de taille importante, dont une bonne partie est redondante. Pour pallier à cette situation, un nombre important de travaux propose d’extraire seulement un sous-ensemble représentatif, appelé représentation concise.

Dans cette exposé, nous allons détailler les notions relatives à ces deux classes de motifs et donner un aperçu des principales approches permettant de réduire la taille des ensembles extraits.