Le resume linguistique de donnees structurees comme ... - APMD

CHAPITRE 5 — Indexation de données 109posent dans [12] un remplacement du centre géométrique par le centre de gravité, le problèmed’équilibre resterait ouvert d’après Berrani et al. [14].5.2.2.3 TV-TreeLe TV-Tree (pour Telescopic Vector Tree) de Lin, Jagadish et Faloutsos [100] est une structuredont l’objectif de conception est de repousser la dégradation inévitable des performancesvers des dimensions supérieures. Pour ce faire, et puisque la dégradation est exponentielle enfonction de la dimension, la structure prend en compte un nombre de dimensions plus faibleà la racine que dans les feuilles. Ainsi, l’impact de la dimensionnalité est plus faible dans lesniveaux supérieurs, proches de la racine. En conséquence, l’arbre est plus petit en volume etle vecteur représentant les valeurs prises en compte pour une recherche varie en taille avec leniveau dans l’arbre, d’où le nom de la technique.À chaque niveau, le TV-Tree divise les attributs des données du sous-arbre en :• attributs de valeurs communes aux données indexées, déjà utilisés plus haut dans l’arbre ;• attributs ignorés, dont la prise en compte augmenterait l’impact de la dimensionnalité ;• attributs discriminants.Mais des informations préalables sur les attributs sont nécessaires pour choisir efficacement lesattributs discriminants à chaque niveau.D’après les auteurs, cette façon de discriminer, en utilisant de plus en plus de critères, correspondà la façon dont les humains classent intuitivement des objets, par exemple en zoologieoù les espèces sont distinguées en vertébrés et invertébrés. La distinction entre sang chaud etsang froid n’est valable que pour les vertébrés. Par conséquent, cet attribut ne sera utilisé quedans le sous-arbre des vertébrés.5.2.2.4 Hybrid TreeL’Hybrid-Tree de Chakrabarti et Mehrotra [33] est une hybridation de techniques arborescentesexistantes afin d’en mutualiser les avantages. Les auteurs distinguent parmi les techniquesd’indexation multidimensionnelle celles qui utilisent des régions englobantes (par exemple,le R-Tree, section 5.2.2.1) et celles qui partitionnent l’espace en cellules disjointes (parexemple, le kDB-Tree [119]). Les premières souffrent du recouvrement des REM, et les secondesne peuvent garantir un taux minimal d’utilisation des pages physiques allouées (voirsection 5.2.3.7).Le problème du recouvrement des REM a déjà été abordé pour le R ∗ -Tree et l’X-Tree ensections 5.2.2.1. Le taux minimal d’utilisation désigne la proportion plancher du nombre d’en-