Intégration incrémentale de contraintes pour le clustering avec la programmation par contraintes

National audienceActively involving an expert in a constrained clustering loop translates into an incremental process where expert constraints are added on the fly. However, intermediate clusterings must be somewhat similar to one another in order not to confuse the expert. We propose a CP model to build a partition that is similar to an existing partition while taking constraints into account. Our model can support several types of constraints and features constraint relaxation and cluster creation. Experiments performed on popular datasets as well as a use case in remote sensing denote the relevance of our model.L’implication active d’un expert dans un processus de clustering sous contraintes se traduit par une démarche incrémentale où les contraintes expertes sont ajoutées à la volée. Toutefois, les clusterings intermédiaires produits devront être relativement similaires pour ne pas dérouter l’expert. Nous proposons un modèle en PPC permettant d’obtenir une partition similaire à la partition existante tout en tenant compte des contraintes. Notre modèle peut traiter plusieurs types de contraintes, relâcher les contraintes et créer un nouveau cluster. Des expériences menées sur des jeux de données de référence ainsi que dans un cas d’usage réel en télémétrie montrent l’intérêt de notre modèle