, Afin de visualiser et de comparer les comportements des indices qui mesurent la pertinence des règles d'association, nous avons proposé une représentation graphique originale basée sur des courbes de niveaux. De plus, dans le cadre de notre application, nous avons montré l'intérêt d'utiliser l'indice de Jaccard ou l'indice d'accords désaccords (IAD). Bien qu'ils soient symétriques, ces deux indices discriminent mieux les règles qui nous intéressent, favorisant les fortes co-présences

R. Agrawal, T. Imielinski, and A. Swani, Mining Association rules between sets of items in large databases, Proceedings of the ACM-SIGMOD Conference on Management of Data, 1993.

R. Agrawal and R. Srikant, Fast Algorithms for Mining Association Rules, Proceedings of the 20th Int'l Conference on Very Large Databases (VLDB), 1994.

S. Brin, R. Motwani, and C. Silversein, Beyond market baskets: generalizing association rules to correlations, Proceedings of the ACM-SIGMOD Conference on Management of Data, 1997.

S. Kulczynski, Classe des Sciences mathématiques et Naturelles. Bulletin International de l'Académie Polonaise des, Sciences et des Lettres. Série B (Sciences Naturelles) Supplément II, pp.57-203, 1927.

P. Lenca, P. Meyer, B. Vaillant, P. Picouet, and S. Lallich, Evaluation et analyse multicritère des mesures de qualité des règles d'association. Mesures de qualité pour la fouille de données, 2004.

M. Plasse, N. Niang, and G. Saporta, Utilisation conjointe des règles d'association et de la classification de variables, Journées Françaises de Statistiques, 2005.

B. Vaillant, P. Lenca, and S. Lallich, Etude expérimentale de mesures de qualité de règles d'association, Revue des Nouvelles Technologies de l'Information, Actes 4 e Conférence Exctraction et Gestion des Connaissances, EGC'04, Série E, n°2, vol.2, pp.341-352, 2004.

M. J. Zaki, Scalable algorithms for association mining, IEEE Transactions on Knowledge and Data Engineering, vol.12, issue.3, pp.372-390, 2000.