Clustering conceptuel et relationnel en programmation par contraintes
Résumé
Différentes tâches de clustering existent dans le domaine de la fouille de données. Le clustering conceptuel pour les données qualitatives vise à identifier des concepts, les clusters sont alors définis par ces concepts. Le clustering relationnel cherche à partitionner les données dans des clusters homogènes et/ou bien séparés à partir d'une mesure de dissimilarité entre les objets. Des travaux récents ont proposé des cadres généraux et déclaratifs fondés sur la programmation par contraintes pour le clustering conceptuel ou pour le clustering relationnel. Dans ce papier, nous proposons un cadre plus général qui unifie les clusterings conceptuel et relationnel en programmation par contraintes.
Ce cadre permet de tirer avantage des deux approches, en optimisant un critère relationnel ou conceptuel et en intégrant des contraintes qu'elles soient de structure, qu'elles portent sur les distances entre les objets ou sur leurs propriétés communes. Nous proposons de plus un modèle amélioré pour traiter les contraintes conceptuelles reposant sur des contraintes ensemblistes.