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

2 Introductionlation ou des problèmes NP-complets dont une solution approchée peut être obtenue par desalgorithmes polynomiaux. Parmi les approches utilisées pour atténuer l’impact du volume dedonnées, on trouve les méthodes de résumé par généralisation [26, 53, 97, 115, 150].Un autre problème auquel sont confrontés des traitements informatiques est celui de la difficultéà modéliser des représentations « humaines » ou « naturelles ». Mentionnons en premierlieu la notion de gradualité, qui revêt divers sens, parmi lesquels une évolution progressived’un état, ou le degré de satisfaction variable d’une caractéristique. La gradualité ne peut pasêtre reflétée par la dichotomie des systèmes binaires. Les nuances et autres gradations sont ainsioccultées, donnant lieu à un effet de seuil. Par exemple, la condition « il faut avoir une taille de172 cm pour postuler » exclut la taille de 170 cm, néanmoins proche de 172 cm. De même, lecaractère « jeune » d’une personne ne peut pas être nuancé dans un mode binaire : on est soit« jeune », soit « pas jeune » mais on ne peut être rien d’autre, encore moins être les deux àla fois. Ensuite, la notion de préférence, qui désigne un souhait plutôt qu’une contrainte forte,n’est pas un élément de base des SGBD, en plus d’être difficile à modéliser.La théorie des sous-ensembles flous, proposée par Zadeh [151] est une généralisation de lathéorie des ensembles. Cet outil mathématique définit le concept d’appartenance partielle à unensemble et offre une solution aux problèmes de modélisation dûs à l’effet de seuil. Il devientainsi possible d’exprimer un caractère graduel, phénomène courant dans le langage naturel,par exemple sur les termes descriptifs (« grand », « jeune », « léger », etc.). On exprime plusfacilement des transitions graduelles, des situations intermédiaires, des informations imprécisesou des classes aux limites mal définies. La théorie des sous-ensembles flous est utilisée partoutes les méthodes de résumé qui ont été recensées. Elle permet à ces méthodes de décrire lesdonnées par des termes « linguistiques » car issus du langage naturel. Les résumés produits sontalors appelés des « résumés linguistiques ».Le travail présenté dans ce rapport de thèse est lié à la réduction des données et à la descriptionlinguistique de données. Il traite en effet des résumés linguistiques de données structuréesdu modèle SAINTETIQ. Ce modèle utilise un ensemble de termes linguistiques, dont lamodélisation est explicitement graduelle, pour décrire des données structurées. Il a égalementpour objectif de produire des « versions » condensées des données. Le résultat du processus derésumé est donc une synthèse du contenu d’une table relationnelle. C’est à ce titre que ce modèles’inscrit dans l’optique de réduction des données, comme les autres méthodes de résuméslinguistiques. Il faut cependant noter qu’une fois les résumés produits, aucune exploitation ultérieuren’en est faite dans le cas général. Nous proposons ici d’aller plus loin avec les résumés