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

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.
Document type :
Conference papers
Liste complète des métadonnées

Cited literature [18 references]  Display  Hide  Download

https://hal.archives-ouvertes.fr/hal-00989223
Contributor : Sébastien Adam <>
Submitted on : Friday, May 9, 2014 - 9:12:03 PM
Last modification on : Thursday, February 7, 2019 - 4:53:23 PM
Document(s) archivé(s) le : Monday, August 11, 2014 - 3:27:25 PM

File

rfia2014_submission_45.pdf
Publisher files allowed on an open archive

Identifiers

  • HAL Id : hal-00989223, version 1

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. ⟨hal-00989223⟩

Share

Metrics

Record views

286

Files downloads

172