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

114 CHAPITRE 5 — Indexation de donnéesComme indiqué en section 5.2, les cellules utilisées dans l’index regroupent les représentationsgéométriques des enregistrements. Elles définissent des régions de l’espace multidimensionnelenglobant un nombre variable de points. La région ou forme englobante est le plussouvent un hyperrectangle, en raison de la relative simplicité de ce dernier concept, ou unehypersphère. D’autres formes plus complexes mais moins intuitives existent ([12, 89]), par exemple,résultant de l’intersection d’un hypercube et d’une hypersphère.5.2.3.3 RecouvrementLa notion de recouvrement (overlap) désigne l’intersection entre les cellules de l’espacemultidimensionnel. D’après Berchtold et al. dans [13], cette caractéristique est un problèmeimportant au point de justifier une méthode d’indexation (celle du X-Tree, traitée en section5.2.2.1) qui vise à le résoudre spécifiquement. Il serait également à l’origine de la dégradationdes performances : la proportion d’objets couverts par plus d’une cellule (taux de recouvrement)augmente très rapidement pour atteindre 80% en dimension 4 et « approcher » 100% pourles dimensions supérieures à 6 sur des données réelles. On note que le R + -Tree [130] viseégalement à résoudre ce problème que rencontre le R-Tree [76].L’existence de recouvrements exprime la possibilité d’atteindre un objet par plusieurs cheminsdifférents. L’impact de ce taux sur les performances des techniques se justifie par le faitque les objets faisant partie du résultat final sont « extraits » de plusieurs cellules. Toutes cescellules sont donc examinées au cours de la recherche, y compris celles, superflues, dont lesobjets font déjà partie du résultat. Un taux de recouvrement plus faible ou nul aurait permis defaire l’économie du parcours de toutes ces cellules, sachant qu’un nœud correspond à une ouplusieurs pages sur le support de stockage.5.2.3.4 Réduction de la dimensionLa réduction de la dimension d’un espace est une tentative de contournement des problèmesliés aux espaces de grande dimension et évoqués en section 5.2 (voir aussi [14, 147]). Cette idéedécoule du constat que les données réelles sont fortement corrélées et groupées. Il n’est donc pasnécessaire de prendre en compte toutes les dimensions. On en considère un nombre plus faibleque celui de l’espace d’origine. Ceci présente bien sûr des difficultés car il faut déterminer lesdimensions à conserver mais il faut aussi que les données se prêtent bien à la réduction desdimensions.