Une mesure probabiliste contextuelle discrimante de qualité des règles d'association

Revue d'Intelligence Artificielle

Volumn 17, Issue 1-3, 2003, Pages 247-262

  Lerman, Israël César ^a   Azé, Jérôme ^b  

^a UNIVERSITÉ DE RENNES 1   (France)

^b UFR 919 Laboratoire d'Informatique Pour la Mécanique et les Sciences de l'Ingénieur   (France)

Author keywords

Association rules; Contextual validity; Probabilistic discriminant index

Indexed keywords

ARTIFICIAL INTELLIGENCE; SOFTWARE ENGINEERING;

CLUSTERING METHODS; CONSTRUCTION METHOD; CONTEXTUAL VALIDITY; INTERESTING RULES; PROBABILISTIC DISCRIMINANT INDEX; PROBABILISTIC MEASURES; SIMILARITY INDICES; STATISTICAL PROPERTIES;

ASSOCIATION RULES;

EID: 77950484598     PISSN: 0992499X     EISSN: None     Source Type: Journal    
DOI: None     Document Type: Article

References (15)

1. [BAS 02] BASTIDE Y.,TAOUIL R., PASQUIER N., STUMME G., LAKHAL L.,« Pascal: un al-gorithme d'extraction des motifs fréquents », Techniques et Science Informatiques, vol. 21, n° 1,2002, p. 65-95, Hermès Science.
2. [BER 96] BERNARD J.-M., CHARRON C, « L'analyse implicative bayésienne, une méthode pour l'étude des dépendances orientées : Données binaires », Revue Mathématique Informatique et Sciences Humaines, vol. 134, 1996, p. 5-38.
3. [BLA98] BLAKE C., MERZ C., « UCI Repository of machine learning databases », 1998.
4. [DAU 92] DAUDÉ R, « Analyse et justification de la notion de ressemblance entre variables qualitatives dans I'optique de la classification hiérarchique par AVL », PhD thesis, Univer-sitedé Rennes 1.juin 1992.
5. [GRA 79] GRAS R., « Contribution à l'étude expérimentale et à l'analyse de certaines acquisitions cognitives et de certains objectifs didactiques en mathématiques », Master's thésis, Université de Rennes 1.octobre 1979.
6. [GRA 92] GRAS R., LARHER A.,« L'implication statistique, une nouvelle méthode d'analyse de données », Mathématique Infomatique et Sciences Humaines, vol. 120, 1992, p. 5-31.
7. [GRA 01] GRAS R., KUNTZ P., BRIAND H., « Les fondements de l'analyse statistique implicative et quelques prolongements pour la fouille des données », Revue Mathématique et Sciences Humaines, vol. 154-155, 2001, p. 9-29.
8. [GUI 00] GUILLAUME S., « Traitement des données volumineuses. Mesures et algorithmes d'extraction de règles d'association et règles ordinales », PhD thésis, Université de Nantes, décembre 2000.
9. [LEH 00] LEHN R.,« Un système interactif de visualisation et de fouille de règles pour l'ex-traction de connaissances dans les bases de données », PhD thesis, Institut de Recherche en Informatique de Nantes, Décembre 2000.
10. [LER 81] LERMAN I., GRAS R., ROSTAM H.,« Élaboration et évaluation d'un indice d'implication pour des données binaires I », Revue Mathématique et Sciences Humaines, vol. 75, 1981, p. 5-35.
11. [LER 84] LERMAN I. C,« Justification et validité statistique d'une échelle [0,1] de fréquence mathématique pour une structure de proximité sur un ensemble de variables observées », Publications de l'Institut de Statistique des Universités de Paris, vol. 29, 1984, p. 27-57.
12. [LER 86] LERMAN I. C, « Rôle de l'inférence statistique dans une approche de l'analyse classificatoire des données », Journal de la Société de Statistique de Paris, vol. 4, 1986, p. 238-252.
13. [LER 91] LERMAN I. C.,« Foundations of the Likelihood Linkage Analysis (LLA) classification method », Applied Stochastic Models and Data Analysis, vol. 7, 1991, p. 63-76.
14. [LER re] LERMAN I. C, AZÉ J., « Indice Probabiliste Discriminant (de vraisemblance dulien) d'une Règie d'Association en cas dc "Très Grosses" Données », à paraître.
15. [LOE 47] LOEVINGER J.,« A systematic approach to the construction and evaluation of tests of ability », Psychological Monographs, vol. 61,1947, p. 1-49.