Un algorithme générique d'extraction de bi-ensembles sous contraintes dans des données booléennes
Résumé
The availability of complete algorithms for constraint-based mining of formal concepts (e.g., frequent ones) enables to process large boolean datasets and can be used in many application domains. Considering noisy data, it seems important to extend formal concepts towards fault-tolerance. We embed formal concept extraction into a more general framework for constraint-based mining of bi-sets, i.e., computing associations of sets of objects with sets of attributes that satisfy some constraints. We propose an original, correct and complete algorithm for constraint-based bi-set mining. Its genericity supports the discussion of fundamental mechanisms like the declarative specification of the pattern properties, the enumeration and the constraint propagation strategies. Two concrete instances of this algorithm are presented and evaluated.
L'existence d'algorithmes complets pour l'extraction souscontraintes de concepts formels (e.g., tous les conceptsfréquents) permet d'exploiter de grands jeux de données et a denombreuses applications. Cependant, lorsque les données traitéessont bruitées, il semble important d'introduire une tolérance auxexceptions. Pour cela, nous avons plongé le calcul de conceptsformels dans un cadre plus général d'extraction de bi-ensembles souscontraintes, i.e., un calcul d'associations d'ensembles d'objets etd'ensembles d'attributs satisfaisant des contraintes. Nous proposonsun algorithme original, correct, et complet pour calculer descollections de bi-ensembles sous contraintes. Sa généricitépermet de discuter de mécanismes fondamentaux comme la spécificationdéclarative des propriétés des motifs, l'énumération ou encore lapropagation des contraintes. Deux instances concrètes del'algorithme sont présentées et évaluées.