FRINK Linked Data Fragments server

Matches in SemOpenAlex for { <https://semopenalex.org/work/W187995377> ?p ?o ?g. }

• W187995377 abstract "L'extraction de connaissances dans les bases de donnees, egalement appele data mining, designe le processus non trivial permettant d'extraire des informations et des connaissances utiles qui sont enfouies dans les bases de donnees, les entrepots de donnees (data warehouse) ou autres sources de donnees. Les recherches en ce domaine sont motivees par la croissance tres rapide des volumes de donnees stockees et le potentiel de telles informations pour l'aide a la decision dans de nombreux domaines. Dans ce memoire, nous traitons du probleme de la generation efficace des regles d'association. Une regle d'association est une implication conditionnelle entre ensembles d'attributs binaires appeles items. Dans l'ensemble des travaux existants, ce probleme est decompose en deux sous-problemes qui sont la recherche des ensembles frequents d'items et la generation des regles d'association a partir de ces ensembles. Le premier sous-probleme a une complexite exponentielle dans la taille de la relation en entree et necessite de parcourir a plusieurs reprises la totalite de la relation. L'extraction des ensembles frequents d'items constitue donc la phase la plus couteuse en termes de temps d'execution et d'espace memoire pour les algorithmes d'extraction des regles d'association. Nous proposons une nouvelle semantique pour le probleme de l'extraction des regles d'association basee sur la connexion de Galois d'une relation binaire finie. Utilisant cette semantique, nous demontrons que les ensembles fermes frequents d'items constituent une base, c'est a dire un ensemble generateur non redondant, pour les ensembles frequents d'items et les regles d'association. Nous proposons deux nouveaux algorithmes, nommes Close et A-Close, permettant l'extraction des ensembles fermes frequents d'items, a partir desquels les ensembles frequents d'items et les regles d'association peuvent etre derives sans acceder au jeu de donnees. Les resultats experimentaux demontrent que ces algorithmes permettent de reduire les temps d'extraction des regles d'association dans le cas de jeux de donnees constitues de donnees denses ou correlees. Utilisant la semantique definie, nous proposons d'ameliorer la pertinence et l'utilite des regles d'association extraites en limitant l'extraction a des bases pour les regles d'association. Nous adaptons pour cela les bases pour les regles d'implication definies en analyse de donnees et nous definissons de nouvelles bases constituees des regles non redondantes d'antecedents minimaux et de consequences maximales a partir des ensembles fermes frequents. Nous proposons egalement des algorithmes efficaces de generation de ces bases." @default.
• W187995377 created "2016-06-24" @default.
• W187995377 creator A5032150969 @default.
• W187995377 date "2000-01-31" @default.
• W187995377 modified "2023-09-25" @default.
• W187995377 title "Data mining : algorithmes d'extraction et de reduction des regles d'association dans les bases de donnees" @default.
• W187995377 hasPublicationYear "2000" @default.
• W187995377 type Work @default.
• W187995377 sameAs 187995377 @default.
• W187995377 citedByCount "19" @default.
• W187995377 countsByYear W1879953772012 @default.
• W187995377 countsByYear W1879953772013 @default.
• W187995377 countsByYear W1879953772014 @default.
• W187995377 countsByYear W1879953772019 @default.
• W187995377 countsByYear W1879953772020 @default.
• W187995377 crossrefType "dissertation" @default.
• W187995377 hasAuthorship W187995377A5032150969 @default.
• W187995377 hasConcept C138885662 @default.
• W187995377 hasConcept C15708023 @default.
• W187995377 hasConcept C17744445 @default.
• W187995377 hasConceptScore W187995377C138885662 @default.
• W187995377 hasConceptScore W187995377C15708023 @default.
• W187995377 hasConceptScore W187995377C17744445 @default.
• W187995377 hasLocation W1879953771 @default.
• W187995377 hasOpenAccess W187995377 @default.
• W187995377 hasPrimaryLocation W1879953771 @default.
• W187995377 hasRelatedWork W106642128 @default.
• W187995377 hasRelatedWork W110175884 @default.
• W187995377 hasRelatedWork W1484413656 @default.
• W187995377 hasRelatedWork W1503729935 @default.
• W187995377 hasRelatedWork W1506285740 @default.
• W187995377 hasRelatedWork W1536736992 @default.
• W187995377 hasRelatedWork W1537336823 @default.
• W187995377 hasRelatedWork W1553696291 @default.
• W187995377 hasRelatedWork W1585646276 @default.
• W187995377 hasRelatedWork W1603022250 @default.
• W187995377 hasRelatedWork W1607553966 @default.
• W187995377 hasRelatedWork W1851672339 @default.
• W187995377 hasRelatedWork W2011103514 @default.
• W187995377 hasRelatedWork W2051508823 @default.
• W187995377 hasRelatedWork W2066771339 @default.
• W187995377 hasRelatedWork W2094974204 @default.
• W187995377 hasRelatedWork W2129555316 @default.
• W187995377 hasRelatedWork W2140190241 @default.
• W187995377 hasRelatedWork W2166559705 @default.
• W187995377 hasRelatedWork W2396903734 @default.
• W187995377 isParatext "false" @default.
• W187995377 isRetracted "false" @default.
• W187995377 magId "187995377" @default.
• W187995377 workType "dissertation" @default.