Vers une acquisition automatique de connaissances d'adaptation par examen de la base de cas --- une approche fondée sur des techniques d'extraction de connaissances dans des bases de données
Identifieur interne : 006717 ( Main/Exploration ); précédent : 006716; suivant : 006718Vers une acquisition automatique de connaissances d'adaptation par examen de la base de cas --- une approche fondée sur des techniques d'extraction de connaissances dans des bases de données
Auteurs : Mathieu D'Aquin ; Sébastien Brachais ; Jean Lieber ; Amedeo NapoliSource :
English descriptors
- KwdEn :
Abstract
Cet article présente une approche pour apprendre automatiquement des connaissances d'adaptation destinées à un système de raisonnement à partir de cas. Cet apprentissage s'appuie sur la base de cas, l'idée étant que, pour deux cas de cette base, leur différence est interprétée comme le résultat d'un processus d'adaptation. La technique d'apprentissage utilisée est l'extraction de motifs fréquents, technique de fouille de données qui suppose un formatage % des données sous la forme d'un ensemble de propriétés booléennes. Le formatage des différences entre cas de la base sous cette forme est discuté en détail, à la fois à un niveau général et au niveau de l'application envisagée, pour le système \Kasimir d'aide à la décision en cancérologie, qui utilise un formalisme proche des logiques de descriptions. L'ensemble du processus d'extraction des connaissances (formatage, fouille et interprétation) est discuté.
Affiliations:
Links toward previous steps (curation, corpus...)
- to stream Crin, to step Corpus: 003D31
- to stream Crin, to step Curation: 003D31
- to stream Crin, to step Checkpoint: 000578
- to stream Main, to step Merge: 006A45
- to stream Main, to step Curation: 006717
Le document en format XML
<record><TEI><teiHeader><fileDesc><titleStmt><title xml:lang="fr" wicri:score="-322">Vers une acquisition automatique de connaissances d'adaptation par examen de la base de cas --- une approche fondée sur des techniques d'extraction de connaissances dans des bases de données</title></titleStmt><publicationStmt><idno type="RBID">CRIN:daquin04c</idno><date when="2004" year="2004">2004</date><idno type="wicri:Area/Crin/Corpus">003D31</idno><idno type="wicri:Area/Crin/Curation">003D31</idno><idno type="wicri:explorRef" wicri:stream="Crin" wicri:step="Curation">003D31</idno><idno type="wicri:Area/Crin/Checkpoint">000578</idno><idno type="wicri:explorRef" wicri:stream="Crin" wicri:step="Checkpoint">000578</idno><idno type="wicri:Area/Main/Merge">006A45</idno><idno type="wicri:Area/Main/Curation">006717</idno><idno type="wicri:Area/Main/Exploration">006717</idno></publicationStmt><sourceDesc><biblStruct><analytic><title xml:lang="fr">Vers une acquisition automatique de connaissances d'adaptation par examen de la base de cas --- une approche fondée sur des techniques d'extraction de connaissances dans des bases de données</title><author><name sortKey="D Aquin, Mathieu" sort="D Aquin, Mathieu" uniqKey="D Aquin M" first="Mathieu" last="D'Aquin">Mathieu D'Aquin</name></author><author><name sortKey="Brachais, Sebastien" sort="Brachais, Sebastien" uniqKey="Brachais S" first="Sébastien" last="Brachais">Sébastien Brachais</name></author><author><name sortKey="Lieber, Jean" sort="Lieber, Jean" uniqKey="Lieber J" first="Jean" last="Lieber">Jean Lieber</name></author><author><name sortKey="Napoli, Amedeo" sort="Napoli, Amedeo" uniqKey="Napoli A" first="Amedeo" last="Napoli">Amedeo Napoli</name></author></analytic></biblStruct></sourceDesc></fileDesc><profileDesc><textClass><keywords scheme="KwdEn" xml:lang="en"><term>adaptation</term><term>data-mining</term><term>frequent itemset extraction</term><term>knowledge discovery in databases</term><term>learning</term></keywords></textClass></profileDesc></teiHeader><front><div type="abstract" xml:lang="fr" wicri:score="-2732">Cet article présente une approche pour apprendre automatiquement des connaissances d'adaptation destinées à un système de raisonnement à partir de cas. Cet apprentissage s'appuie sur la base de cas, l'idée étant que, pour deux cas de cette base, leur différence est interprétée comme le résultat d'un processus d'adaptation. La technique d'apprentissage utilisée est l'extraction de motifs fréquents, technique de fouille de données qui suppose un formatage % des données sous la forme d'un ensemble de propriétés booléennes. Le formatage des différences entre cas de la base sous cette forme est discuté en détail, à la fois à un niveau général et au niveau de l'application envisagée, pour le système \Kasimir d'aide à la décision en cancérologie, qui utilise un formalisme proche des logiques de descriptions. L'ensemble du processus d'extraction des connaissances (formatage, fouille et interprétation) est discuté.</div></front></TEI><affiliations><list></list><tree><noCountry><name sortKey="Brachais, Sebastien" sort="Brachais, Sebastien" uniqKey="Brachais S" first="Sébastien" last="Brachais">Sébastien Brachais</name><name sortKey="D Aquin, Mathieu" sort="D Aquin, Mathieu" uniqKey="D Aquin M" first="Mathieu" last="D'Aquin">Mathieu D'Aquin</name><name sortKey="Lieber, Jean" sort="Lieber, Jean" uniqKey="Lieber J" first="Jean" last="Lieber">Jean Lieber</name><name sortKey="Napoli, Amedeo" sort="Napoli, Amedeo" uniqKey="Napoli A" first="Amedeo" last="Napoli">Amedeo Napoli</name></noCountry></tree></affiliations></record>Pour manipuler ce document sous Unix (Dilib)
EXPLOR_STEP=$WICRI_ROOT/Wicri/Lorraine/explor/InforLorV4/Data/Main/Exploration
HfdSelect -h $EXPLOR_STEP/biblio.hfd -nk 006717 | SxmlIndent | more
Ou
HfdSelect -h $EXPLOR_AREA/Data/Main/Exploration/biblio.hfd -nk 006717 | SxmlIndent | more
Pour mettre un lien sur cette page dans le réseau Wicri
{{Explor lien
|wiki= Wicri/Lorraine
|area= InforLorV4
|flux= Main
|étape= Exploration
|type= RBID
|clé= CRIN:daquin04c
|texte= Vers une acquisition automatique de connaissances d'adaptation par examen de la base de cas --- une approche fondée sur des techniques d'extraction de connaissances dans des bases de données
}}
| This area was generated with Dilib version V0.6.33. |  |