Les modèles des experts au service de l'extraction de motifs pertinents

Frédéric Flouvat 1 Jérémy Sanhes 1 Claude Pasquier 1 Nazha Selmaoui-Folcher 1 Jean-François Boulicaut 2
1 PPME - EA 3325 - Pôle Pluridisciplinaire de la Matière et de l'Environnement
2 DM2L - Data Mining and Machine Learning
LIRIS - Laboratoire d'InfoRmatique en Image et Systèmes d'information
Résumé : Pour assister la découverte de connaissances à partir de données, de nombreuses techniques de calcul de motifs ont été proposées. L'un des verrous à leurs disséminations est que nombre des motifs extraits apparaissent triviaux et/ou inintéressants au regard de la connaissance du domaine et des experts. La fouille de données sous contraintes ne permet qu'une prise en compte limitée de ces connaissances et de l'intérêt dit subjectif. Pourtant, il existe souvent des modèles mathématiques qui capturent une partie importante de la connaissance experte. Nous proposons ici d'exploiter de tels modèles pour dériver des contraintes utilisables au cours des processus de fouille et ainsi améliorer la pertinence des motifs calculés tout en gagnant en performances. L'approche est générique mais nous l'étudions empiriquement dans le cas de modèles de l'aléa érosion pour améliorer la pertinence de motifs ensemblistes dans des données réelles.
Mots-clés : contraintes. contraintes Fouille de données découverte de motifs connaissance du domaine modèles experts
Type de document :
Communication dans un congrès
Reconnaissance de Formes et Intelligence Artificielle (RFIA) 2014, Jun 2014, ROUEN, France. 2014
Liste complète des métadonnées

Littérature citée [18 références]  Voir  Masquer  Télécharger
https://hal.archives-ouvertes.fr/hal-00989223
Contributeur : Sébastien Adam <>
Soumis le : vendredi 9 mai 2014 - 21:12:03
Dernière modification le : jeudi 7 février 2019 - 16:53:23
Document(s) archivé(s) le : lundi 11 août 2014 - 15:27:25

Fichier

rfia2014_submission_45.pdf
Fichiers éditeurs autorisés sur une archive ouverte

Identifiants

  • HAL Id : hal-00989223, version 1

Collections

RFIA2014 | EC-LYON | LIRIS | INSA-LYON | UNIV-LYON1 | LABEXIMU

Citation

Frédéric Flouvat, Jérémy Sanhes, Claude Pasquier, Nazha Selmaoui-Folcher, Jean-François Boulicaut. Les modèles des experts au service de l'extraction de motifs pertinents. Reconnaissance de Formes et Intelligence Artificielle (RFIA) 2014, Jun 2014, ROUEN, France. 2014. 〈hal-00989223〉

Exporter

BibTeX TEI DC DCterms EndNote

Partager

Métriques

Consultations de la notice

285

Téléchargements de fichiers

167

Contact

support.ccsd.cnrs.fr
hal.support@ccsd.cnrs.fr
Logo CCSD