Equipe‐projet TATOO Extrac3on de connaissances dans les bases de données : mo3fs séquen3els et ontologies 

Responsable : Pascal Poncelet 

  Extrac'on de connaissances dans de grandes bases de données 

PROBLEME Fouille de données

CONNAISSANCE DECISION

Visualisation

EXPERTISE

DONNEES

Représentation

Traitement

  Mots clés : extrac'on de connaissances, fouille de données, mo'fs séquen'els, entrepôts de données, logique floue, ontologie, annota'on automa'que  

Fouille de données / Extrac'on de Connaissance 

  Fayyad (1996) : the non-trivial process of identifying valid, potentially useful and ultimately understandable patterns in data

  Nombreuses applications : marketing, santé, etc.

  Algorithmes supervisés/non supervisés

  Algorithmes prédictifs/descriptifs

  Problématiques associées : nettoyage des données, présentation des résultats, évaluation des méthodes, …

Thèmes scien'fiques 

  Motifs séquentiels (Contraintes temporelles)

  Fouille de données complexes   Textes (Text Mining)   Arborescentes (Schema - Web Structure Mining)   Multidimensionnelles (Cube - Web Usage Mining)   Flots (Stream Mining)

  Fouille de données approximative

Exemple : Les mo'fs séquen'els 

  Recherche de corréla'ons au sein de gros volumes de données historisées 

⟨(Lecteur DVD) (Ecran LCD, DVD1, DVD2) (Magnétoscope)⟩ 

 Prise en compte d’informations spatio-temporelles

 Données mul'‐dimensionnelles 

Des données disponibles de plus en plus rapidement 

 Comment maintenir la connaissance extraite ?   Eviter de recommencer « from scratch » 

 Comment faire face à des données disponibles sous la forme d’un flot ? 

  Impossible de stocker les données (capteurs, clickstream, RFID, news, …) ! 

  Comment extraire de la connaissance ? 

  Comment résumer ces données ? 

Fouille de données environnementales : CEMAGREF‐LIRMM (M. Teisseire) Quelques exemples … 

  Suivi de l’évolu'on de phénomènes via des dépêches de presses  (exemple H1N1 traité dans l’équipe) 

  Evolu'on de la Dengue (Nevantropic, CEMAGREF) A par'r d’une base de données de l’INVS, iden'fica'on des quar'ers à risque et des 

périodes caractéris'ques précédant une propaga'on de l’épidémie 

 Données Teru'‐Lucas 

  Connaître les différentes catégories d’occupa'on du sol et d’usage de l’ensemble du territoire (agricole, naturel et urbanisé) 

Conclusion 

  Défis de la fouille de données : 

 Volume, rapidité et complexité/hétérogénéité des données 

 Temps réel 

 Présenta'on de la connaissance extraite 

 Quelle est la qualité des données collectées ? 

 Imprécisions/incer'tudes 

 Comment insérer d’autres connaissances ? 

 Données externes (e.g. météo) 

 Connaissance experte