Analyse Relationnelle de Concepts pour l'exploration de données relationnelles

Résumé : L'Analyse Relationnelle de Concepts (ARC) est une extension de l'Analyse Formelle de Concepts (AFC), une méthode de classification non supervisée d'objets sous forme de treillis de concepts. L'ARC supporte en plus la gestion de relations entre objets de différents contextes ce qui permet d'établir des liens entre les concepts des différents treillis. Cette particularité lui permet d'être plus intuitive à utiliser pour extraire des connaissances à partir de données relationnelles et de donner des résultats plus riches. Malheureusement lorsque les jeux de données présentent de nombreuses relations, les résultats obtenus sont difficilement exploitables et des problèmes de passages à l'échelle se posent. Nous proposons dans cet article une adaptation possible de l'ARC pour explorer les relations de manière supervisée pour augmenter la pertinence des résultats obtenus et réduire le temps de calcul. Nous prenons pour exemple des données hydrobiologiques ayant trait à la qualité des milieux aquatiques.
Type de document :
Communication dans un congrès
Christel Vrain; André Péninou; Florence Sèdes. EGC: Extraction et Gestion des Connaissances, Jan 2013, Toulouse, France. Hermann-Éditions, 13e Conférence Francophone sur l'Extraction et la Gestion des Connaissances, pp.121-132, 2013, Revue des Nouvelles Technologies de l'Information. 〈http://www.irit.fr/EGC2013/〉
Liste complète des métadonnées

https://hal-lirmm.ccsd.cnrs.fr/lirmm-00816297
Contributeur : Marianne Huchard <>
Soumis le : dimanche 21 avril 2013 - 14:31:19
Dernière modification le : jeudi 24 mai 2018 - 15:59:22

Identifiants

  • HAL Id : lirmm-00816297, version 1

Citation

Xavier Dolques, Florence Le Ber, Marianne Huchard, Clémentine Nebut. Analyse Relationnelle de Concepts pour l'exploration de données relationnelles. Christel Vrain; André Péninou; Florence Sèdes. EGC: Extraction et Gestion des Connaissances, Jan 2013, Toulouse, France. Hermann-Éditions, 13e Conférence Francophone sur l'Extraction et la Gestion des Connaissances, pp.121-132, 2013, Revue des Nouvelles Technologies de l'Information. 〈http://www.irit.fr/EGC2013/〉. 〈lirmm-00816297〉

Partager

Métriques

Consultations de la notice

201