• Doctorant:
  • Amel Hidouri
  • Financement : Autre
  • Thèse soutenue le :
  • 9 déc. 2022 • Salle des thèses

Thèse en co-tutelle avec l’université de Tunis

Cette thèse s’inscrit dans le contexte de l’extraction des connaissances à partir des données, un domaine central en fouille de données et en apprentissage automatique. La fouille des itemsets profitables (high utility, en anglais), un problème très connu dans la fouille des motifs, est une extension du problème classique de la fouille des itemsets fréquents où chaque item est associé à un profit. Ce problème consiste à énumérer les itemsets ayant un profit supérieur à un seuil donné. Récemment, des approches déclaratives ont été proposées pour différentes tâches de la fouille de données incluant la fouille des itemsets fréquents, des règles d’associations, des séquences ou encore des graphes. Ces approches déclaratives permettent la recherche de motifs particuliers par l’ajout de nouvelles contraintes. Dans cette thèse, nous proposons un cadre déclaratif pour l’extraction des itemsets profitables et leurs formes condensées (fermés, minimaux et maximaux) à partir des bases de données transactionnelles en s’appuyant sur la logique propositionnelle. Pour le passage à l’échelle, nous montrons comment la décomposition et les approches parallèles permettent de rendre nos approches compétitives comparativement aux algorithmes de l’état de l’art. Enfin, pour réduire la taille de la sortie, nous proposons d’étendre nos approches pour énumérer les itemsets top-k profitables.

Composition du jury

Rapporteurs :

  • Thi-Bich-Hanh DAO, Université d’Orléans
  • Bruno CRÉMILLEUX, Université de Caen Normandie

Examinateurs :

  • Nahla BEN AMOR, Université de Tunis
  • Belaid BENHAMOU, Université Aix-Marseille
  • Engelbert MEPHU NGUIFO, Université Blaise Pascal Clermont-Ferrand

Invités :

  • Philippe Fournier-Viger, Université de Shenzhen
  • Lakhdar SAIS, Université d’Artois

Encadrants :

  • Boutheina BEN YAGHLANE, Université de Tunis
  • Said JABBOUR, Université d’Artois
  • Badran RADDAOUI, Télécom SudParis - Institut Polytechnique de Paris