Menu principal

Analyse de données relationnelles – définition de quantificateurs pour l’ARC

Contexte : L’analyse de concepts formels (ACF) [1] est une méthode mathématique de classification, largement appliquée sur différents types de données et dans de nombreux domaines (par exemple [2,3]). Elle consiste, à partir d’une table (appelée contexte) décrivant des objets par des attributs, à construire un treillis de concepts, i.e. des couples (extension ; intension) d’ensembles fermés décrivant les objets et les attributs qui les définissent. Cette méthode est étendue aux données relationnelles dans le cadre de l’analyse relationnelle de concepts (ARC) [4]. L’ARC considère deux types de contextes, des contextes objets-attributs et des contextes objets-objets décrivant les relations entre objets. L’ARC étend les contextes objets-attributs par des attributs relationnels de la forme qrC, où q est un quantificateur, r une relation et C un concept issu du co-domaine de r. Le résultat de l’ARC est une famille de treillis (un par contexte objets-attributs) reliés entre eux par ces attributs relationnels.

Objectifs du stage. Il s’agit de définir des quantificateur spécifiques à certains types de relations (temporelles ou spatiales par exemple) et qu’on pourra utiliser directement pour créer des jeux de données sur lesquels on applique ensuite l’ARC. On s’appuiera pour cela sur les quantificateurs existants (existentiel, universel ou de dénombrement [5]) et sur les modèles qualitatifs de l’espace et du temps [6]. Le stage s’organisera de la façon suivante :

  • bibliographie sur l’ARC et les quantificateurs

  • prise en main des outils existants (RCAexplore, Galicia ?)

  • définition de quantificateurs pour un type de relation, formalisation du schéma relationnel associé

  • intégration dans RCAexplore

  • application sur une base de données (données sur l’eau ou agricoles)

Références :

[1] Ganter, B., Wille, R. Formal concept analysis - mathematical foundations. Springer (1999)

[2] Priss, U. Formal concept analysis in information science. ARIST 40(1), 521–543 (2006)

[3] AlamM., CouletA., NapoliA., Smaïl-Tabbone, MFormal Concept Analysis Applied to Transcriptomic Data. CLA 2012, Oct 2012, Fuengirola (Málaga), Spain

[4] Hacene, M.R., Huchard, M., Napoli, A., Valtchev, P. Relational concept analysis: mining concept lattices from multi-relational data. Ann. Math. Artif. Intell. 67(1), 81–108 (2013)

[5] Braud, A., Dolques, X., Huchard, M., Le Ber, F. Generalization effect of quantifiers in a classification based on relational concept analysis. Knowledge-Based Systems 160, 119–135 (2018)

[6] Le Ber, F., Ligozat, G., Papini, O. Raisonnements sur l'espace et le temps : des modèles aux applications, Lavoisier, pp. 419 (2007)


Mots-clés
Analyse de données; classification; données structurées
Établissement
Université de Strasbourg
67081 Strasbourg  
Site Web
https://sdc.icube.unistra.fr/index.php?title=Accueil
Date de début souhaitée
01/02/2022
Langues obligatoires
Français
Niveau
Bac +5
Prérequis

• En cours Master 2 en Informatique ou équivalent
• Formation en logique, représentation de connaissances et programmation

Durée
5 à 6 mois
Indemnité
3,90 euros/heure
Date limite
31/03/2022
Informations de contact

xavier.dolques@unistra.fr, florence.leber@engees.unistra.fr