Constraint-based mining of closed patterns in noisy nary relations

Les jeux de données décrivant des objets par des propriétés Booléennes sont des relations binaires, cest à dire des matrices 0/1. dans une telle relation, un ensemble fermé est un sous-ensemble maximal dobjets partageant le même sous-ensemble maximal de propriétés. Lextraction de ces motifs, satisfaisant des contraintes de pertinences définies par lutilisateur, a été étudiée en profondeur. Néanmoins, beaucoup de jeux de données sont des relations n-aires, cest à dire des tenseurs 0/1. réduire leur analyse à deux dimensions revient à en ignorer dautres qui sont potentiellement intéressantes. Par ailleurs, la présence de bruit dans les jeux de données réelles conduit à la fragmentation des motifs à découvrir. On généralise facilement la définition dun ensemble fermé aux relations de plus grande arité et à la tolérance au bruit. Au contraire, généraliser leur extraction est très difficile. Notre extracteur parcourt lespace des motifs candidats dune façon originale qui ne favorise aucune dimension. Cette recherche peut être guidée par une très grande classe de contraintes de pertinence que les motifs doivent satisfaire. En particulier, cette thèse étudie des contraints spécifiques à la fouille de graphes dynamiques. Notre extracteur est plusieurs ordres de grandeurs plus efficace que les algorithmes existants, pourtant plus restreints dans leurs applications. Malgré ces résultats, une approche exhaustive ne peut souvent pas, en un temps raisonnable, lister des motifs tolérants beaucoup de bruit. Dans ce cas, compléter lextraction avec une agglomération hiérarchique des motifs permet darriver à ses fins