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

CHAPITRE 1 — Les résumés du modèle SAINTETIQ 9pairs a pour conséquence de rendre indisponible une partie des données du système. Des mécanismesde représentation compacte des données externes à un pair doivent être mis en place sil’intention est de répondre aux requêtes de manière complète vis-à-vis du système. Cependant,le mode pair à pair n’est pas une condition nécessaire à l’existence de ces mécanismes dansles systèmes distribués. Pour les systèmes géographiquement distants ou constitués de grappesimportantes, par exemple les moteurs de recherche, une forme plus ou moins sophistiquée d’extrapolationest utilisée pour répondre aux requêtes (d’où la formulation « résultats 1-10 sur untotal d’environ x pages » de Google ou « 1-10 sur environ x pour . . . » de Yahoo Search). Laréduction de données se retrouve également dans les caches Internet à travers le concept descache digest [57, 121]. Un cache digest est une synthèse du contenu d’un cache Web. Utiliséau sein d’une hiérarchie de caches, il permet de transmettre le contenu d’un cache à d’autrescaches, afin de réduire les connexions aux serveurs source de pages Web.Le contexte des flux de données est un autre exemple [2]. En effet, un flux de données n’a pasde taille connue à un instant donné. Même sans prendre en considération la capacité de stockagenécessairement finie, il est évident qu’un traitement tenant compte de toutes les données auraitun temps de réponse intolérablement long. Ce temps serait infini si des opérateurs bloquantsétaient utilisés [2] (un opérateur est dit bloquant lorsqu’il lui est nécessaire de connaître toutesles données auxquelles il s’applique pour délivrer un résultat correct – par exemple, MIN ouSUM).Si l’on considère que les algorithmes et traitements ont une efficacité optimale, la solutionévidente lorsqu’on traite de bases de données consiste à réduire l’impact des facteurs pénalisantle temps de réponse, essentiellement la quantité de données. Cet objectif peut être atteint dediverses manières, en particulier en réduisant le nombre d’instances (réduction verticale) ou lenombre d’attributs pris en compte (réduction horizontale). En réduction verticale (par exemple,l’échantillonnage), les instances sont choisies parmi les données initiales, ou construitesaprès transformation des données dans un autre mode de représentation (par exemple, les histogrammeset les techniques de classification [32, 45, 55] en général). En réduction horizontale,les corrélations entre attributs sont utilisées pour « écarter » certains attributs et ne conserverque les plus importants (c’est le cas des méthodes d’analyse factorielle [29, 38]).1.1.2 Quels types d’approximation ?L’approximation obtenue en usant d’une technique de réduction de données peut être quantitative: le nombre d’instances ou d’enregistrements est différent de celui obtenu dans un traitement« normal ». Le résultat de la réduction est basé sur des éléments prototypiques – représen-