• PhD Student:
  • Olivier Couturier
  • Advisor :
  • Engelbert Mephu Nguifo
  • PhD defended on :
  • Dec 12, 2005

Résumé

Au regard du nombre croissant des grandes bases de données, déterminer la façon dont sont organisées les données, les interpréter et en extraire des informations utiles est un problème difficile et ouvert. En effet, à l’heure actuelle, notre capacité à collecter et stocker les données de tout type outrepasse nos possibilités d’analyse, de synthèse et d’extraction de connaissances dans les données. Notre travail se situe au niveau de la recherche de règles d’association qui constitue une tâche de fouille de données. Cette dernière présente des résultats qui permettent aux experts de facilement interpréter les règles une à une.

Les méthodes de génération sont combinatoires et engendrent un nombre élevé de règles qui sont difficilement exploitables. Plusieurs approches de réduction de ce nombre ont été proposées comme l’usage de mesures de qualité, le filtrage syntaxique par contraintes, la compression par les bases représentatives ou génériques. Cependant, ces approches n’intègrent pas l’expert dans le déroulement du processus limitant ainsi l’aspect interactif du processus. En effet, l’expert ne sait pas toujours initialement quelle connaissance il souhaite obtenir. Nous analysons l’activité cognitive de l’expert dans différents processus de recherche de règles d’association et nous montrons que dans ces approches, l’expert n’intervient pas durant les tâches du processus. Pour accroître cette interactivité avec l’expert, il est nécessaire que celui-ci soit au coeur du processus afin de répondre à l’un des objectifs de l’ECD.

Nous nous basons sur les systèmes orientés-tâches qui se focalisent sur les différentes tâches que l’expert doit réaliser, et proposons l’algorithme SHARK qui est une approche hybride basée sur l’utilisation d’une recherche hiérarchique s’appuyant sur une taxinomie d’attributs et d’une approche anthropocentrée de manière à inclure l’expert dans le processus. Nous couplons ainsi la connaissance explicite fournie par l’algorithme et la connaissance tacite de l’expert. L’utilisation d’une interface graphique adaptée s’avère donc nécessaire pour que l’expert puisse interagir de manière optimale avec le processus. L’efficacité de cet algorithme a été montrée sur un problème réel de marketing faisant intervenir des experts du monde bancaire.

En outre, la fouille de données visuelle présente un intérêt non négligeable puisque l’esprit humain peut traiter une plus grande quantité d’informations de manière visuelle. Comme des quantités très importantes de règles sont générées, la fouille de données visuelle s’avère être une étape incontournable pour améliorer encore notre approche. Nous présentons un état de l’art des principales techniques de visualisation de règles d’association. Parmi ces représentations, nous nous focalisons sur les représentations de type matrice 3D présentant la particularité de générer des occlusions. Une occlusion est un chevauchement d’objets dans un environnement 3D rendant certains de ces objets pas ou peu visibles. Après avoir défini formellement le problème d’occlusions, nous montrons qu’il s’agit d’un problème d’optimisation qui est de trouver le meilleur ordre possible des itemsets sur les deux axes pour limiter les occlusions. Nous proposons une heuristique permettant de réduire significativement les occlusions générées. Les résultats que nous avons obtenus sont présentés et discutés.

Mots clés : Extraction de connaissance dans les données (ECD) , Règles d’association, Approche anthropocentrée, Visualisation, Interaction Homme Machine (IHM), Optimisation, Marketing bancaire