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

12 CHAPITRE 1 — Les résumés du modèle SAINTETIQOn trouve parmi ces méthodes les résumés quantifiés et les résumés à base de règles floues.Les résumés quantifiés [111, 117] utilisent des quantificateurs flous pour décrire les données.Par exemple, dans SUMMARYSQL [117], l’évaluation du résumé « summary la plupart fromEmployés where âge est jeune » fournit un degré de validité de la proposition « la plupart desemployés sont jeunes ». Ce degré caractérise la mesure dans laquelle la proposition est satisfaitepar les données. Les résumés à base de règles floues sont découverts par recherche d’associationsentre attributs ([26]) ou en exploitant des dépendances fonctionnelles floues [21, 46]. Ilspermettent d’obtenir, dans le cas des règles graduelles de Bosc et al. [26], des propositions sousla forme « plus l’âge des employés est âgé, plus leur salaire est élevé ».Il est également possible de résumer des enregistrements par généralisation successive desdescriptions. La structure de données obtenue est alors une hiérarchie. C’est le cas des hiérarchies« is-a » de Lee et Kim [97] et des résumés du modèle SAINTETIQ [115]. Les résumés deSAINTETIQ se distinguent en utilisant un même ensemble de termes linguistiques (le vocabulaire)sans assignation de niveau. Les descriptions générées sont donc unifiées sur le plan destermes (ou étiquettes) linguistiques. Ce modèle procède à un lissage des données grâce à uneabstraction par le vocabulaire, puis à une classification. Ces deux opérations sont décrites dansla suite de ce chapitre. On obtient ainsi des descriptions à plusieurs niveaux de détail différents.Dans ce sens, les résumés réalisent une approximation du dernier type évoqué ci-dessus. Laprocédure de recherche permettant d’atteindre ce résultat fait l’objet du chapitre 2. Mais il estégalement possible d’utiliser les résumés comme index pour accéder aux enregistrements d’unebase de données et fournir des résultats exacts ; ceci est réalisé au chapitre 6.1.2 Données du processus de résumé SAINTETIQLes informations en entrée du processus de résumé sont de deux types : les données à résumer,et celles, désignées par « connaissances de domaine », donnant des indications sur lamanière de les résumer.Les données à résumer sont des données relationnelles au sens des bases de données relationnelles.À ce titre, elles sont organisées en enregistrements (ou « tuples ») qui suivent leschéma d’une relation R définie sur un ensemble d’attributs A = {A 1 , A 2 , . . . , A n }. Chaque attributA i est défini sur un domaine, noté D Ai , qui peut être numérique ou symbolique. Ainsi, unenregistrement t est un tuple formé d’une suite de valeurs suivant l’ordre prédéfini des attributsA i . Il est noté :〈t.A 1 , t.A 2 , . . . , t.A n 〉 .