Author: "Equipe de Recherche en Ingénierie des Connaissances (ERIC)" - Searchworks@Jio Institute Digital Library Search Results

Your search keyword '"Equipe de Recherche en Ingénierie des Connaissances (ERIC)"' showing total 203 results

Start Over Author "Equipe de Recherche en Ingénierie des Connaissances (ERIC)"

203 results on '"Equipe de Recherche en Ingénierie des Connaissances (ERIC)"'

1. L’analyse quantitative des médias sociaux, une alternative aux enquêtes déclaratives ?

Author: Julien Velcin, Julien Boyadjian, CNRS, Université de Lille, Centre d'Etudes et de Recherches Administratives, Politiques et Sociales - UMR 8026 [CERAPS], Equipe de Recherche en Ingénierie des Connaissances [ERIC], Centre d'Etudes et de Recherches Administratives, Politiques et Sociales - UMR 8026 (CERAPS), Université de Lille-Centre National de la Recherche Scientifique (CNRS), Equipe de Recherche en Ingénierie des Connaissances (ERIC), and Université Lumière - Lyon 2 (UL2)
Subjects: sondages, interdisciplinarité, [SHS.INFO]Humanities and Social Sciences/Library and information sciences, Twitter, [INFO.INFO-WB]Computer Science [cs]/Web, polls, [SHS.SCIPO]Humanities and Social Sciences/Political science, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], [INFO.INFO-TT]Computer Science [cs]/Document and Text Processing, opinion publique, fouille d’opinion, interdisciplinarity, [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], public opinion, opinion mining, Materials Chemistry
Abstract: International audience; This article shows the first results of an interdisciplinary research that aims at identifying the social logic of political opinion production on Twitter. Precisely, our project is a showcase of an interdisciplinary approach of such object. On the one hand, we aim at developing new machine learning algorithms. These algorithms are both supervised and unsupervised; they analyze a huge number of political messages in order to identify the opinion polarity along with the targeted aspect. On the other hand, we compare the automatically extracted information with official polls in order to capture the relations (or their absence) between opinion dynamics online and offline.; L’article présente les premiers résultats d’une recherche interdisciplinaire dont l’objectif est d’identifier les logiques sociales de production des messages politiques sur Twitter. Cette recherche vise précisément à démontrer l’intérêt d’une approche interdisciplinaire de l’objet. Il s’agit, d’une part, d’élaborer des algorithmes permettant d’analyser de manière supervisée et non supervisée un très grand nombre de messages politiques afin d’en identifier la polarité et la cible et, d’autre part, de comparer ces informations à des données de sondages d’opinion afin de mieux saisir les relations (ou l’absence de relations) entre les dynamiques d’opinion en ligne et hors ligne.
Published: 2017
Full Text: View/download PDF

2. Constrained independence for detecting interesting patterns

Author: Thomas Delacroix, Stéphane Lallich, Philippe Lenca, Ahcène Boubekki, Lab-STICC_TB_CID_DECIDE, Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance ( Lab-STICC ), École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ) -École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), Département Logique des Usages, Sciences sociales et Sciences de l'Information ( LUSSI ), Université européenne de Bretagne ( UEB ) -Télécom Bretagne-Institut Mines-Télécom [Paris], Darmstadt University of Technology [Darmstadt], Equipe de Recherche en Ingénierie des Connaissances ( ERIC ), Université Lumière - Lyon 2 ( UL2 ), Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Département Logique des Usages, Sciences sociales et Sciences de l'Information (LUSSI), Université européenne de Bretagne - European University of Brittany (UEB)-Télécom Bretagne-Institut Mines-Télécom [Paris] (IMT), Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), Pasi, Gabriella, Kwok, James, Zaiane, Osmar, Gallinari, Patrick, Gaussier, Eric, and Cao, Longbing
Subjects: [ INFO.INFO-MO ] Computer Science [cs]/Modeling and Simulation, Informatics, Generalization, Computer science, [INFO.INFO-DS]Computer Science [cs]/Data Structures and Algorithms [cs.DS], 02 engineering and technology, computer.software_genre, Electronic mail, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], Probability theory, [MATH.MATH-ST]Mathematics [math]/Statistics [math.ST], 020204 information systems, 0202 electrical engineering, electronic engineering, information engineering, Redundancy (engineering), [ MATH.MATH-ST ] Mathematics [math]/Statistics [math.ST], Interestingness measure, [ INFO.INFO-AI ] Computer Science [cs]/Artificial Intelligence [cs.AI], [ INFO.INFO-DS ] Computer Science [cs]/Data Structures and Algorithms [cs.DS], [ STAT.ML ] Statistics [stat]/Machine Learning [stat.ML], Probabilist model, [INFO.INFO-DB]Computer Science [cs]/Databases [cs.DB], Interesting itemsets, Probabilistic logic, Business informatics, Statistical model, Interesting patterns, Independence, [INFO.INFO-MO]Computer Science [cs]/Modeling and Simulation, Partition (database), [MATH.MATH-PR]Mathematics [math]/Probability [math.PR], Frequent itemsets, [ INFO.INFO-DB ] Computer Science [cs]/Databases [cs.DB], Independence (mathematical logic), 020201 artificial intelligence & image processing, Data mining, [ MATH.MATH-PR ] Mathematics [math]/Probability [math.PR], computer, Redundant itemsets, Mathematics, Interesting rules
Abstract: International audience; Among other criteria, a pattern may be interesting if it is not redundant with other discovered patterns. A general approach to determining redundancy is to consider a probabilistic model for frequencies of patterns, based on those of patterns already mined, and compare observed frequencies to the model. Such probabilistic models include the independence model, partition models or more complex models which are approached via randomization for a lack of an adequate tool in probability theory allowing a direct approach. We define constrained independence, a generalization to the notion of independence. This tool allows us to describe probabilistic models for evaluating redundancy in frequent itemset mining. We provide algorithms, integrated within the mining process, for determining non-redundant itemsets. Through experimentations, we show that the models used reveal high rates of redundancy among frequent itemsets and we extract the most interesting ones.
Published: 2015
Full Text: View/download PDF

3. Un algorithme EM pour une version parcimonieuse de l’analyse en composantes principales probabiliste

Author: Bouveyron, Charles, Jacques, Julien, Mathématiques Appliquées Paris 5 (MAP5 - UMR 8145), Université Paris Descartes - Paris 5 (UPD5)-Institut National des Sciences Mathématiques et de leurs Interactions (INSMI)-Centre National de la Recherche Scientifique (CNRS), Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), MOdel for Data Analysis and Learning (MODAL), Laboratoire Paul Painlevé (LPP), Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Evaluation des technologies de santé et des pratiques médicales - ULR 2694 (METRICS), Université de Lille-Centre Hospitalier Régional Universitaire [Lille] (CHRU Lille)-Université de Lille-Centre Hospitalier Régional Universitaire [Lille] (CHRU Lille)-École polytechnique universitaire de Lille (Polytech Lille), ANR-13-TECS-0009,ClinMine,Optimisation de la prise en Charge des Patients à l'Hôpital(2013), Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire Paul Painlevé - UMR 8524 (LPP), Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Evaluation des technologies de santé et des pratiques médicales - ULR 2694 (METRICS), Université de Lille-Centre Hospitalier Régional Universitaire [Lille] (CHRU Lille)-Université de Lille-Centre Hospitalier Régional Universitaire [Lille] (CHRU Lille)-École polytechnique universitaire de Lille (Polytech Lille)-Université de Lille, Sciences et Technologies, Mathématiques Appliquées à Paris 5 ( MAP5 - UMR 8145 ), Université Paris Descartes - Paris 5 ( UPD5 ) -Institut National des Sciences Mathématiques et de leurs Interactions-Centre National de la Recherche Scientifique ( CNRS ), Equipe de Recherche en Ingénierie des Connaissances ( ERIC ), Université Lumière - Lyon 2 ( UL2 ), MOdel for Data Analysis and Learning ( MODAL ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Laboratoire Paul Painlevé - UMR 8524 ( LPP ), Université de Lille-Centre National de la Recherche Scientifique ( CNRS ) -Université de Lille-Centre National de la Recherche Scientifique ( CNRS ) -Santé publique : épidémiologie et qualité des soins-EA 2694 ( CERIM ), Université de Lille-Centre Hospitalier Régional Universitaire [Lille] ( CHRU Lille ) -Université de Lille-Centre Hospitalier Régional Universitaire [Lille] ( CHRU Lille ) -Polytech Lille-Université de Lille 1, IUT’A, ANR-13-TECS-0009,ClinMine,Optimisation de la prise en Charge des Patients à l'Hôpital ( 2013 ), Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Santé publique : épidémiologie et qualité des soins-EA 2694 (CERIM), Centre Hospitalier Régional Universitaire [Lille] (CHRU Lille)-Université de Lille-Centre Hospitalier Régional Universitaire [Lille] (CHRU Lille)-Université de Lille-École polytechnique universitaire de Lille (Polytech Lille)-Université de Lille, Sciences et Technologies, Jacques, Julien, and Technologies pour la santé et l'autonomie - Optimisation de la prise en Charge des Patients à l'Hôpital - - ClinMine2013 - ANR-13-TECS-0009 - TecSan - VALID
Subjects: [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], [MATH.MATH-ST]Mathematics [math]/Statistics [math.ST], [INFO.INFO-LG] Computer Science [cs]/Machine Learning [cs.LG], [ MATH.MATH-ST ] Mathematics [math]/Statistics [math.ST], [MATH.MATH-ST] Mathematics [math]/Statistics [math.ST], [ INFO.INFO-LG ] Computer Science [cs]/Machine Learning [cs.LG]
Abstract: International audience; Nous considérons une version parcimonieuse de l’analyse en compo- santes principales probabiliste. La pénalité l1 imposée sur les composantes prin- cipales rend leur interprétation plus aisée en ne faisant dépendre ces dernières que d’un nombre restreint de variables initiales. Un algorithme EM, simple de mise en œuvre, est proposé pour l’estimation des paramètres du modèle. La mé- thode de l’heuristique de pente est finalement utilisée pour choisir le coefficient de pénalisation.
Published: 2015

4. Guest editor's introduction: special issue on quality issues, measures of interestingness and evaluation of data mining models - Journal of Intelligent Information Systems

Author: Lenca , Philippe, Lallich , Stéphane, Lab-STICC_TB_CID_DECIDE, Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Département Logique des Usages, Sciences sociales et Sciences de l'Information (LUSSI), Université européenne de Bretagne - European University of Brittany (UEB)-Télécom Bretagne-Institut Mines-Télécom [Paris] (IMT), Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance ( Lab-STICC ), École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ) -École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), Département Logique des Usages, Sciences sociales et Sciences de l'Information ( LUSSI ), Université européenne de Bretagne ( UEB ) -Télécom Bretagne-Institut Mines-Télécom [Paris], Equipe de Recherche en Ingénierie des Connaissances ( ERIC ), and Université Lumière - Lyon 2 ( UL2 )
Subjects: [INFO.INFO-DB]Computer Science [cs]/Databases [cs.DB], Interestingness measures, [STAT.TH]Statistics [stat]/Statistics Theory [stat.TH], [ STAT.TH ] Statistics [stat]/Statistics Theory [stat.TH], [ INFO.INFO-CY ] Computer Science [cs]/Computers and Society [cs.CY], [ INFO.INFO-DB ] Computer Science [cs]/Databases [cs.DB], [ STAT.ME ] Statistics [stat]/Methodology [stat.ME], [INFO.INFO-CY]Computer Science [cs]/Computers and Society [cs.CY], [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], Models evaluation, Data mining, [STAT.ME]Statistics [stat]/Methodology [stat.ME], [ STAT.ML ] Statistics [stat]/Machine Learning [stat.ML], Interesting rules
Abstract: International audience; This special issue contains seven revised and extended papers from QIMIE'13, the third edition of the Quality Issues, Measures of Interestingness and Evaluation of data mining models Workshop, organized in association with PAKDD'13 conference (Pacific-Asia Conference on Knowledge Discovery and Data Mining, Gold Coast, Australia, April 14-17, 2013)
Published: 2015

5. Indices de qualité en clustering

Author: Lallich , Stéphane, Lenca , Philippe, Télécom Bretagne (devenu IMT Atlantique), Ex-Bibliothèque, Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), Lab-STICC_TB_CID_DECIDE, Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Département Logique des Usages, Sciences sociales et Sciences de l'Information (LUSSI), Université européenne de Bretagne - European University of Brittany (UEB)-Télécom Bretagne-Institut Mines-Télécom [Paris] (IMT), Equipe de Recherche en Ingénierie des Connaissances ( ERIC ), Université Lumière - Lyon 2 ( UL2 ), Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance ( Lab-STICC ), École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ) -École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), Département Logique des Usages, Sciences sociales et Sciences de l'Information ( LUSSI ), and Université européenne de Bretagne ( UEB ) -Télécom Bretagne-Institut Mines-Télécom [Paris]
Subjects: [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], Cluster stability, Clustering algorithms, [MATH.MATH-ST]Mathematics [math]/Statistics [math.ST], Measure de qualité, Classification non supérvisée, Indices de qualité, [ MATH.MATH-ST ] Mathematics [math]/Statistics [math.ST], [MATH.MATH-ST] Mathematics [math]/Statistics [math.ST], [ STAT.ML ] Statistics [stat]/Machine Learning [stat.ML], Clustering, [STAT.ML] Statistics [stat]/Machine Learning [stat.ML]
Abstract: National audience; L'absence de vérité de terrain, entre autres, fait que l'évaluation d'un clustering est un problème non trivial pour lequel il est nécessaire d'utiliser des indices de qualité adaptés au but recherché et aux données. L'exposé présentera les éléments clés pour caractériser un indice de qualité, les principaux indices internes et externes et une approche axiomatique pour le choix d'un indice.
Published: 2015

6. Evaluation de la qualité en clustering

Author: Lallich, Stéphane, Lenca, Philippe, Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), Lab-STICC_TB_CID_DECIDE, Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Département Logique des Usages, Sciences sociales et Sciences de l'Information (LUSSI), Université européenne de Bretagne - European University of Brittany (UEB)-Télécom Bretagne-Institut Mines-Télécom [Paris] (IMT), Equipe de Recherche en Ingénierie des Connaissances ( ERIC ), Université Lumière - Lyon 2 ( UL2 ), Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance ( Lab-STICC ), École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ) -École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), Département Logique des Usages, Sciences sociales et Sciences de l'Information ( LUSSI ), Université européenne de Bretagne ( UEB ) -Télécom Bretagne-Institut Mines-Télécom [Paris], and Télécom Bretagne (devenu IMT Atlantique), Ex-Bibliothèque
Subjects: [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], Indices de qualité, Classification non supervisée, [STAT.ML] Statistics [stat]/Machine Learning [stat.ML], [ STAT.ML ] Statistics [stat]/Machine Learning [stat.ML], Clustering
Abstract: International audience; Ce tutoriel présentera brièvement les problèmes posés par l'évaluation d'une classification non supervisée, les principaux indices de qualité de la littératures et discutera des critères de choix de ces derniers.
Published: 2014

7. Neighborhood Random Classification

Author: Fabien Rico, Diala Ezzeddine, Djamel A. Zighed, DECCO, Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2)-Université Lumière - Lyon 2 (UL2), FODA, Institut des Sciences de l'Homme (ISH), École normale supérieure de Lyon (ENS de Lyon)-Université Lumière - Lyon 2 (UL2)-Université Jean Moulin - Lyon 3 (UJML), Université de Lyon-Université de Lyon-Université Jean Monnet - Saint-Étienne (UJM)-Centre National de la Recherche Scientifique (CNRS)-École normale supérieure de Lyon (ENS de Lyon)-Université Lumière - Lyon 2 (UL2)-Université Jean Moulin - Lyon 3 (UJML), and Université de Lyon-Université de Lyon-Université Jean Monnet - Saint-Étienne (UJM)-Centre National de la Recherche Scientifique (CNRS)-Equipe de Recherche en Ingénierie des Connaissances (ERIC)
Subjects: Ensemble methods, business.industry, Machine learning, computer.software_genre, Ensemble learning, k-nearest neighbors algorithm, Random forest, relative neighborhood Graphs, Support vector machine, Combinatorics, [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], Computer Science::Multimedia, Partition (number theory), neighborhood graphs, Experimental work, Artificial intelligence, k-Nearest Neighbors, business, Gabriel Graphs, computer, Classifier (UML), Mathematics
Abstract: Neighborhood Random Classiﬁcation Diala Ezzeddine Universit´e de Lyon (Lumi`ere Lyon 2) – Laboratoire ERIC – diala.ezzeddine@univ-lyon2.fr 29 August 2013 D. Ezzeddine (ERIC) Neighborhood Random Classiﬁcation 29 August 2013 1 / 18 Introduction We propose to use neighborhood graphs in Ensemble Method EM Main purpose : Using neighborhood graphs is a strong alternative In this work, we : Used an EM classiﬁer based on neighborhood, Random Neighborhood Classiﬁer (RNC) Compared RNC to kNN, then to other methods D. Ezzeddine (ERIC) Neighborhood Random Classiﬁcation 29 August 2013 2 / 18 Introduction Outline 1 Introduction 2 Basic Concepts Classiﬁer Neighborhood Classiﬁers Partition by Neighborhood Graphs 3 Ensemble Methods 4 Neighborhood Random Classiﬁer 5 Result 6 Conclusion D. Ezzeddine (ERIC) Neighborhood Random Classiﬁcation 29 August 2013 3 / 18 Introduction Outline 1 Introduction 2 Basic Concepts Classiﬁer Neighborhood Classiﬁers Partition by Neighborhood Graphs 3 Ensemble Methods 4 Neighborhood Random Classiﬁer 5 Result 6 Conclusion D. Ezzeddine (ERIC) Neighborhood Random Classiﬁcation 29 August 2013 3 / 18 Introduction Outline 1 Introduction 2 Basic C
Published: 2013
Full Text: View/download PDF

8. Optimonotone measures for optimal rule discovery

Author: Le Bras, Yannick, Lenca, Philippe, Lallich, Stéphane, Département Logique des Usages, Sciences sociales et Sciences de l'Information ( LUSSI ), Université européenne de Bretagne ( UEB ) -Télécom Bretagne-Institut Mines-Télécom [Paris], Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance ( Lab-STICC ), École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), Lab-STICC_TB_CID_DECIDE, Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ) -École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Equipe de Recherche en Ingénierie des Connaissances ( ERIC ), Université Lumière - Lyon 2 ( UL2 ), Département Logique des Usages, Sciences sociales et Sciences de l'Information (LUSSI), Université européenne de Bretagne - European University of Brittany (UEB)-Télécom Bretagne-Institut Mines-Télécom [Paris] (IMT), Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Equipe de Recherche en Ingénierie des Connaissances (ERIC), and Université Lumière - Lyon 2 (UL2)
Subjects: [INFO.INFO-DB]Computer Science [cs]/Databases [cs.DB], [ INFO.INFO-DB ] Computer Science [cs]/Databases [cs.DB], [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], Optimal rules, Interestingness measure, Association rules, [ INFO.INFO-AI ] Computer Science [cs]/Artificial Intelligence [cs.AI], [ STAT.ML ] Statistics [stat]/Machine Learning [stat.ML], [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract: International audience; Many studies have shown the limits of the support/confidence framework used in APRIORI -like algorithms to mine association rules. There are a lot of efficient implementations based on the antimonotony property of the support, but candidate set generation (e.g., frequent item set mining) is still costly. In addition, many rules are uninteresting or redundant and one can miss interesting rules like nuggets. We are thus facing a complexity issue and a quality issue. One solution is to not use frequent itemset mining and to focus as soon as possible on interesting rules using additional interestingness measures. We present here a formal framework that allows us to make a link between analytic and algorithmic properties of interestingness measures. We introduce the notion of optimonotony in relation with the optimal rule discovery framework. We then demonstrate a necessary and sufficient condition for the existence of optimonotony. This result can thus be applied to classify the measures. We study the case of 39 classical measures and show that 31 of them are optimonotone. These optimonotone measures can thus be used with an underlying pruning strategy. Empirical evaluations show that the pruning strategy is efficient and leads tothe discovery of nuggets using an optimonotone measure and without the support constraint.
Published: 2012
Full Text: View/download PDF

9. Mesure formelle de la robustesse des règles d'association

Author: Le Bras , Yannick, Meyer , Patrick, Lenca , Philippe, Lallich , Stéphane, Département Logique des Usages, Sciences sociales et Sciences de l'Information (LUSSI), Université européenne de Bretagne - European University of Brittany (UEB)-Télécom Bretagne-Institut Mines-Télécom [Paris] (IMT), Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Lab-STICC_TB_CID_DECIDE, Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), Télécom Bretagne (devenu IMT Atlantique), Ex-Bibliothèque, Département Logique des Usages, Sciences sociales et Sciences de l'Information ( LUSSI ), Université européenne de Bretagne ( UEB ) -Télécom Bretagne-Institut Mines-Télécom [Paris], Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance ( Lab-STICC ), École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ) -École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Equipe de Recherche en Ingénierie des Connaissances ( ERIC ), and Université Lumière - Lyon 2 ( UL2 )
Subjects: [ INFO.INFO-DB ] Computer Science [cs]/Databases [cs.DB], [INFO.INFO-DB]Computer Science [cs]/Databases [cs.DB], Robustesse, [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], Règles d'association, [INFO.INFO-DB] Computer Science [cs]/Databases [cs.DB], [ STAT.ML ] Statistics [stat]/Machine Learning [stat.ML], [STAT.ML] Statistics [stat]/Machine Learning [stat.ML], Mesures de qualité
Abstract: National audience; Nous proposons dans cet article une définition formelle de la robustesse pour les règles d'association, s'appuyant sur une modélisation que nous avons précédemment définie. Ce concept est à notre avis central dans l'évaluation des règles et n'a à ce jour été que très peu étudié de façon satisfaisante. Il est crucial car malgré une très bonne évaluation par une mesure de qualité, une règle peut être très fragile par rapport à des variations légères des données. La mesure de robustesse que nous proposons dépend de la mesure de qualité utilisée pour évaluer les règles et du seuil d'acceptation minimal. Il est alors possible à partir de ces deux seuls éléments et de la valeur prise par la règle sur la mesure d'évaluer sa robustesse. Nous présentons plusieurs propriétés de cette robustesse, montrons sa mise en oeuvre et illustrons celle-ci par les résultats d'expériences sur plusieurs bases de données pour quelques mesures. Nous donnons ainsi un nouveau regard sur la qualification des règles.
Published: 2012

10. Formal framework for the study of algorithmic properties of objective interestingness measures

Author: Le Bras , Yannick, Lenca , Philippe, Lallich , Stéphane, Département Logique des Usages, Sciences sociales et Sciences de l'Information ( LUSSI ), Université européenne de Bretagne ( UEB ) -Télécom Bretagne-Institut Mines-Télécom [Paris], Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance ( Lab-STICC ), École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), Lab-STICC_TB_CID_DECIDE, Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ) -École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Equipe de Recherche en Ingénierie des Connaissances ( ERIC ), Université Lumière - Lyon 2 ( UL2 ), Département Logique des Usages, Sciences sociales et Sciences de l'Information (LUSSI), Université européenne de Bretagne - European University of Brittany (UEB)-Télécom Bretagne-Institut Mines-Télécom [Paris] (IMT), Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), and Télécom Bretagne (devenu IMT Atlantique), Ex-Bibliothèque
Subjects: [INFO.INFO-AI] Computer Science [cs]/Artificial Intelligence [cs.AI], [INFO.INFO-DB]Computer Science [cs]/Databases [cs.DB], [ INFO.INFO-DB ] Computer Science [cs]/Databases [cs.DB], [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], [INFO.INFO-DB] Computer Science [cs]/Databases [cs.DB], Interestingness measure, Association rules, [ INFO.INFO-AI ] Computer Science [cs]/Artificial Intelligence [cs.AI], Data mining, [STAT.ML] Statistics [stat]/Machine Learning [stat.ML], [ STAT.ML ] Statistics [stat]/Machine Learning [stat.ML], [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract: International audience; Association Rules Discovery is an increasing subdomain of Datamining. Many works have focused on the extraction and the evaluation of the association rules, leading to many technical improvments on the algorithms, and many different measures. But few number of them have tried to merge the both. We introduce here a formal framework for the study of association rules and interestingness measures that allows an analytic study of these objects. This framework is based on the contingency table of a rule and let us make a link between analytic properties of the measures and algorithmic properties. We give as example the case of three algorithmic properties for the extraction of association rules that were generalized and applied with the help of this framework. These properties allow a pruning of the search space based on a large number of measures and without any support constraint.
Published: 2012

11. Mining classification rules without support: an anti-monotone property of jaccard measure

Author: Philippe Lenca, Stéphane Lallich, Yannick Le Bras, Département Logique des Usages, Sciences sociales et Sciences de l'Information ( LUSSI ), Université européenne de Bretagne ( UEB ) -Télécom Bretagne-Institut Mines-Télécom [Paris], Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (UMR 3192) ( Lab-STICC ), Université européenne de Bretagne ( UEB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Télécom Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), Lab-STICC_TB_CID_DECIDE, Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance ( Lab-STICC ), École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ) -École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), Equipe de Recherche en Ingénierie des Connaissances ( ERIC ), Université Lumière - Lyon 2 ( UL2 ), Département Logique des Usages, Sciences sociales et Sciences de l'Information (LUSSI), Institut Mines-Télécom [Paris] (IMT)-Télécom Bretagne-Université européenne de Bretagne - European University of Brittany (UEB), Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (UMR 3192) (Lab-STICC), Université européenne de Bretagne - European University of Brittany (UEB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Télécom Bretagne-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Equipe de Recherche en Ingénierie des Connaissances (ERIC), and Université Lumière - Lyon 2 (UL2)
Subjects: Property (philosophy), Jaccard index, ComputerApplications_COMPUTERSINOTHERSYSTEMS, 02 engineering and technology, Space (commercial competition), Anti-monotony property, computer.software_genre, Classification rules, Measure (mathematics), [ INFO.INFO-LG ] Computer Science [cs]/Machine Learning [cs.LG], [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], 020204 information systems, 0202 electrical engineering, electronic engineering, information engineering, Pruning (decision trees), [ INFO.INFO-AI ] Computer Science [cs]/Artificial Intelligence [cs.AI], [ STAT.ML ] Statistics [stat]/Machine Learning [stat.ML], Mathematics, [INFO.INFO-DB]Computer Science [cs]/Databases [cs.DB], 16. Peace & justice, Constraint (information theory), Monotone polygon, ComputingMethodologies_PATTERNRECOGNITION, [ INFO.INFO-DB ] Computer Science [cs]/Databases [cs.DB], 020201 artificial intelligence & image processing, Data mining, computer, Jaccard measure
Abstract: International audience; We propose a general definition of anti-monotony, and study the anti-monotone property of the Jaccard measure for classification rules. The discovered property can be inserted in an Apriori-like algorithm and can prune the search space without any support constraint. Moreover, the algorithm is complete since, it outputs all interesting rules with respect to the measure of Jaccard. The proposed pruning strategy can then be used to efficiently find nuggets of knowledge.
Published: 2011
Full Text: View/download PDF

12. Le choix d'une bonne mesure de qualité, condition du succès d'un processus de fouille de données

Author: Lenca , Philippe, Lallich , Stéphane, Lab-STICC_TB_CID_DECIDE, Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Département Logique des Usages, Sciences sociales et Sciences de l'Information (LUSSI), Université européenne de Bretagne - European University of Brittany (UEB)-Télécom Bretagne-Institut Mines-Télécom [Paris] (IMT), Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), Télécom Bretagne (devenu IMT Atlantique), Ex-Bibliothèque, Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance ( Lab-STICC ), École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ) -École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), Département Logique des Usages, Sciences sociales et Sciences de l'Information ( LUSSI ), Université européenne de Bretagne ( UEB ) -Télécom Bretagne-Institut Mines-Télécom [Paris], Equipe de Recherche en Ingénierie des Connaissances ( ERIC ), and Université Lumière - Lyon 2 ( UL2 )
Subjects: [INFO.INFO-AI] Computer Science [cs]/Artificial Intelligence [cs.AI], [ INFO.INFO-DB ] Computer Science [cs]/Databases [cs.DB], [INFO.INFO-DB]Computer Science [cs]/Databases [cs.DB], [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], [INFO.INFO-DB] Computer Science [cs]/Databases [cs.DB], [ INFO.INFO-AI ] Computer Science [cs]/Artificial Intelligence [cs.AI], [ STAT.ML ] Statistics [stat]/Machine Learning [stat.ML], [STAT.ML] Statistics [stat]/Machine Learning [stat.ML], [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract: International audience; Notre réflexion se situe dans le domaine de l'apprentissage supervisé ou non supervisé par induction de règles. La fouille de données est couronnée de succès lorsque l'on parvient à extraire des données des connaissances nouvelles, valides, exploitables, etc. (Fayyad et al. (1996) Kodratoff et al. (2001)). L'une des clefs du succès est, bien sûr, le choix d'un algorithme qui soit bien adapté aux caractéristiques des données et au type de connaissances souhaitées : par exemple les règles d'association en non supervisé ; les arbres de décision, les règles d'association de classe et le bayésien naïf, en supervisé. Cependant, le succès dépend d'autres facteurs, notamment la préparation des données (représentation des données, outliers, variables redondantes) et le choix d'une bonne mesure d'évaluation de la qualité des connaissances extraites, tant dans le déroulement de l'algorithme que dans l'évaluation finale des résultats obtenus. C'est de ce dernier facteur que nous allons parler.En introduction, nous évoquerons rapidement le problème de la représentation des données. Puis, après avoir rappelé le principe de la recherche des règles d'association (Agrawal et Srikant (1994)) ou des règles d'association de classe intéressantes (Liu et al. (1998)), nous montrerons, à partir de quelques exemples, la diversité des résultats obtenus suivant la mesure d'intérêt choisie, que ce soit en comparant les pré-ordres obtenus ou en calculant les meilleures règles (Vaillant et al., 2004). Ces exemples illustrent le fait qu'il n'y a pas de mesure qui soit intrinsèquement bonne, mais différentes mesures qui, suivant leurs propriétés, sont plus ou moins bien adaptées au but poursuivi par l'utilisateur. Une mesure favorise tel ou tel type de connaissance, ce qui constitue un biais d'apprentissage que nous illustrerons par la mesure de Jaccard (Plasse et al. (2007)). Nous proposerons ensuite une synthèse des travaux concernant les mesures de qualité des règles d'association en présentant les principaux critères d'évaluation des mesures et en montrant concrètement le rôle de chacun de ces critères dans le comportement des mesures (e.g. Lenca et al. (2003), Tan et al. (2004), Geng et Hamilton (2006), Lenca et al. (2008), Suzuki (2008), Guillaume et al. (2010), Lerman et Guillaume (2010), Gras et Couturier (2010) ; nous renvoyons également le lecteur aux ouvrages édités par Guillet et Hamilton (2007) et Zhao et al. (2009)). Nous illustrerons le lien qui existe entre les propriétés des mesures sur les critères retenus et leur comportement sur un certain nombre de bases de règles (Vaillant et al., 2004). A côté de ces critères qui permettent d'étalonner les propriétés des mesures, nous présenterons d'autres critères de choix très importants. En premier lieu, nous nous intéresserons aux propriétés algorithmiques des mesures afin de pouvoir extraire les motifs intéressants en travaillant directement sur la mesure considérée, sans fixer de seuil de support, ce qui permet d'accéder aux pépites de connaissances (Wang et al. (2001), Xiong et al. (2003), Li (2006), Le Bras et al. (2009), Le Bras et al. (2009), Le Bras et al. (2010)). Nous exhiberons des conditions algébriques sur la formule d'une mesure qui assurent de pouvoir associer un critère d'élagage à la mesure considérée. Nous nous poserons ensuite le problème de l'évaluation de la robustesse des règles suivant la mesure utilisée (Azé et Kodratoff (2002), Cadot (2005), Gras et al. (2007), Le Bras et al. (2010)). Enfin, nous traiterons le cas des données déséquilibrées (Weiss et Provost (2003)) en apprentissage par arbres (Chawla (2003)) et nous montrerons comment le choix d'une mesure appropriée permet d'apporter une solution algorithmique à ce problème qui améliore de façon significative à la fois le taux d'erreur global, la précision et le rappel (Zighed et al. (2007), Lenca et al. (2008)). Si l'on veut privilégier la classe minoritaire, cette solution peut être encore améliorée en introduisant, dans la procédure d'affectation des étiquettes opérant sur chaque feuille de l'arbre, une mesure d'intérêt adéquate qui se substitue à la règle majoritaire (Ritschard et al. (2007), Pham et al. (2008)). Une discussion sur les mesures de qualité de bases de règles est présentée dans (Holena, 2009). En définitive, comment aider l'utilisateur à choisir la mesure la plus appropriée à son projet ? Nous proposerons une procédure d'assistance au choix de l'utilisateur qui permet de retourner à celui-ci les mesures les plus appropriées, une fois qu'il a défini les propriétés qu'il attend d'une mesure (Lenca et al. (2008)).
Published: 2011

13. A robustness measure of association rules

Author: Stéphane Lallich, Yannick Le Bras, Patrick Meyer, Philippe Lenca, Département Logique des Usages, Sciences sociales et Sciences de l'Information ( LUSSI ), Université européenne de Bretagne ( UEB ) -Télécom Bretagne-Institut Mines-Télécom [Paris], Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (UMR 3192) ( Lab-STICC ), Université européenne de Bretagne ( UEB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Télécom Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), Lab-STICC_TB_CID_DECIDE, Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance ( Lab-STICC ), École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ) -École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), Equipe de Recherche en Ingénierie des Connaissances ( ERIC ), Université Lumière - Lyon 2 ( UL2 ), Département Logique des Usages, Sciences sociales et Sciences de l'Information (LUSSI), Université européenne de Bretagne - European University of Brittany (UEB)-Télécom Bretagne-Institut Mines-Télécom [Paris] (IMT), Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (UMR 3192) (Lab-STICC), Université européenne de Bretagne - European University of Brittany (UEB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Equipe de Recherche en Ingénierie des Connaissances (ERIC), and Université Lumière - Lyon 2 (UL2)
Subjects: Association rule learning, 02 engineering and technology, Knowledge discovery in databases, computer.software_genre, Machine learning, Association rules, 01 natural sciences, 010104 statistics & probability, [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], Robustness (computer science), 020204 information systems, 0202 electrical engineering, electronic engineering, information engineering, Statistical analysis, 0101 mathematics, Formal description, [ STAT.ML ] Statistics [stat]/Machine Learning [stat.ML], Mathematics, [ INFO.INFO-RO ] Computer Science [cs]/Operations Research [cs.RO], [INFO.INFO-DB]Computer Science [cs]/Databases [cs.DB], business.industry, [INFO.INFO-RO]Computer Science [cs]/Operations Research [cs.RO], 16. Peace & justice, [ INFO.INFO-DB ] Computer Science [cs]/Databases [cs.DB], Robustness measure, Data mining, Artificial intelligence, business, computer
Abstract: International audience; We propose a formal definition of the robustness of association rules for interestingness measures. It is a central concept in the evaluation of the rules and has only been studied unsatisfactorily up to now. It is crucial because a good rule (according to a given quality measure) might turn out as a very fragile rule with respect to small variations in the data. The robustness measure that we propose here is based on a model we proposed in a previous work. It depends on the selected quality measure, the value taken by the rule and the minimal acceptance threshold chosen by the user. We present a few properties of this robustness, detail its use in practice and show the outcomes of various experiments. Furthermore, we compare our results to classical tools of statistical analysis of association rules. All in all, we present a new perspective on the evaluation of association rules.
Published: 2010
Full Text: View/download PDF

14. Mesure de la robustesse de règles d'association

Author: Le Bras, Yannick, Meyer, Patrick, Lenca, Philippe, Lallich, Stéphane, Département Logique des Usages, Sciences sociales et Sciences de l'Information ( LUSSI ), Université européenne de Bretagne ( UEB ) -Télécom Bretagne-Institut Mines-Télécom [Paris], Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (UMR 3192) ( Lab-STICC ), Université européenne de Bretagne ( UEB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Télécom Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), Lab-STICC_TB_CID_DECIDE, Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance ( Lab-STICC ), École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ) -École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), Equipe de Recherche en Ingénierie des Connaissances ( ERIC ), Université Lumière - Lyon 2 ( UL2 ), Télécom Bretagne (devenu IMT Atlantique), Ex-Bibliothèque, Département Logique des Usages, Sciences sociales et Sciences de l'Information (LUSSI), Université européenne de Bretagne - European University of Brittany (UEB)-Télécom Bretagne-Institut Mines-Télécom [Paris] (IMT), Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (UMR 3192) (Lab-STICC), Université européenne de Bretagne - European University of Brittany (UEB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Equipe de Recherche en Ingénierie des Connaissances (ERIC), and Université Lumière - Lyon 2 (UL2)
Subjects: [ INFO.INFO-CY ] Computer Science [cs]/Computers and Society [cs.CY], [INFO.INFO-CY] Computer Science [cs]/Computers and Society [cs.CY], [INFO.INFO-CY]Computer Science [cs]/Computers and Society [cs.CY], ComputingMilieux_MISCELLANEOUS
Abstract: International audience
Published: 2010

15. Enhancing network intrusion classification through the Kolmogorov-Smirnov splitting criterion

Author: DO , Thanh Nghi, Lenca , Philippe, Lallich , Stéphane, Département Logique des Usages, Sciences sociales et Sciences de l'Information (LUSSI), Institut Mines-Télécom [Paris] (IMT)-Télécom Bretagne-Université européenne de Bretagne - European University of Brittany (UEB), Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (UMR 3192) (Lab-STICC), Université européenne de Bretagne - European University of Brittany (UEB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Télécom Bretagne-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), College of Information and Communication Technology (.) (CICT), Lab-STICC_TB_CID_DECIDE, Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), Département Logique des Usages, Sciences sociales et Sciences de l'Information ( LUSSI ), Université européenne de Bretagne ( UEB ) -Télécom Bretagne-Institut Mines-Télécom [Paris], Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (UMR 3192) ( Lab-STICC ), Université européenne de Bretagne ( UEB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Télécom Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), College of Information and Communication Technology (.) ( CICT ), Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance ( Lab-STICC ), École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ) -École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), Equipe de Recherche en Ingénierie des Connaissances ( ERIC ), Université Lumière - Lyon 2 ( UL2 ), and Télécom Bretagne (devenu IMT Atlantique), Ex-Bibliothèque
Subjects: [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], Decision tree, [INFO.INFO-LG] Computer Science [cs]/Machine Learning [cs.LG], Network intrusion, [STAT.ML] Statistics [stat]/Machine Learning [stat.ML], [ INFO.INFO-LG ] Computer Science [cs]/Machine Learning [cs.LG], [ STAT.ML ] Statistics [stat]/Machine Learning [stat.ML], Imbalance class
Abstract: International audience; Our investigation aims at detecting network intrusions using decision tree algorithms. Large differences in prior class probabilities of intrusion data have been reported to hinder the performance of decision trees.We propose to replace the Shannon entropy used in tree induction algorithms with a Kolmogorov-Smirnov splitting criterion which locates a Bayes optimal cutpoint of attributes. The Kolmogorov-Smirnov distance based on the cumulative distributions is not degraded by class imbalance. Numerical test results on the KDDCup99 dataset showed that our proposals are attractive to network intrusion detection tasks. The single decision tree gives best results for minority classes, cost metric and global accuracy compared with the bagged boosting of trees of the KDDCup99 winner and classical decision tree algorithms using the Shannon entropy. In contrast to the complex model of KDDCup winner, our decision tree represents inductive rules (IF-THEN) that facilitate human interpretation.
Published: 2010

16. Mining interesting rules without support requirement: a general universal existential upward closure property

Author: Le Bras, Yannick, Lenca, Philippe, Lallich, Stéphane, Département Logique des Usages, Sciences sociales et Sciences de l'Information ( LUSSI ), Université européenne de Bretagne ( UEB ) -Télécom Bretagne-Institut Mines-Télécom [Paris], Lab-STICC_TB_CID_DECIDE, Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance ( Lab-STICC ), École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ) -École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), Equipe de Recherche en Ingénierie des Connaissances ( ERIC ), Université Lumière - Lyon 2 ( UL2 ), Département Logique des Usages, Sciences sociales et Sciences de l'Information (LUSSI), Université européenne de Bretagne - European University of Brittany (UEB)-Télécom Bretagne-Institut Mines-Télécom [Paris] (IMT), Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Equipe de Recherche en Ingénierie des Connaissances (ERIC), and Université Lumière - Lyon 2 (UL2)
Subjects: [INFO.INFO-DB]Computer Science [cs]/Databases [cs.DB], [ INFO.INFO-DB ] Computer Science [cs]/Databases [cs.DB], [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], Pruning strategy, General universal existential upward closure, [INFO.INFO-DS]Computer Science [cs]/Data Structures and Algorithms [cs.DS], Support/confidence framework, Rule mining, [ INFO.INFO-DS ] Computer Science [cs]/Data Structures and Algorithms [cs.DS], [ STAT.ML ] Statistics [stat]/Machine Learning [stat.ML], Interesting rules
Abstract: International audience; Many studies have shown the limits of support/confidence framework used in Apriori-like algorithms to mine association rules. There are a lot of efficient implementations based on the antimonotony property of the support. But candidate set generation is still costly and many rules are uninteresting or redundant. In addition one can miss interesting rules like nuggets. We are thus facing a complexity issue and a quality issue. One solution is to get rid of frequent itemset mining and to focus as soon as possible on interesting rules. For that purpose algorithmic properties were first studied, especially for the confidence. They allow to find all confident rules without a preliminary support pruning. Recently, in the case of class association rules, the Universal Existential Upward Closure property of confidence has been exploited in an efficient manner. Indeed, it allows to use a pruning strategy for an Apriori-like but top down associative classification rules algorithm. We present a new formal framework which allows us to make the link between analytic and algorithmic properties of the measures. We then apply this framework to propose a General Universal Existential Upward Closure. We demonstrate a necessary and a sufficient condition of existence for this property. These results are then applied to 32 measures and we show that 13 of them do have the GUEUC property.
Published: 2010
Full Text: View/download PDF

17. Construction of an off-centered entropy for the supervised learning of imbalanced classes: some first results

Author: Stéphane Lallich, Benoît Vaillant, Philippe Lenca, Lab-STICC_TB_CID_DECIDE, Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance ( Lab-STICC ), École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ) -École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), Département Logique des Usages, Sciences sociales et Sciences de l'Information ( LUSSI ), Université européenne de Bretagne ( UEB ) -Télécom Bretagne-Institut Mines-Télécom [Paris], Equipe de Recherche en Ingénierie des Connaissances ( ERIC ), Université Lumière - Lyon 2 ( UL2 ), Laboratoire de recherche en informatique et ses applications (Université de Bretagne Sud) ( VALORIA ), Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Département Logique des Usages, Sciences sociales et Sciences de l'Information (LUSSI), Université européenne de Bretagne - European University of Brittany (UEB)-Télécom Bretagne-Institut Mines-Télécom [Paris] (IMT), Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), Laboratoire de recherche en informatique et ses applications (Université de Bretagne Sud) (VALORIA), and Télécom Bretagne (devenu IMT Atlantique), Ex-Bibliothèque
Subjects: Computer Science::Machine Learning, Statistics and Probability, Decision tree, Data_CODINGANDINFORMATIONTHEORY, 02 engineering and technology, Machine learning, computer.software_genre, 01 natural sciences, Joint entropy, Rényi entropy, 010104 statistics & probability, [INFO.INFO-CY]Computer Science [cs]/Computers and Society [cs.CY], Statistics, 0202 electrical engineering, electronic engineering, information engineering, Mathematics::Metric Geometry, Entropy (information theory), 0101 mathematics, ComputingMilieux_MISCELLANEOUS, Mathematics, business.industry, Principle of maximum entropy, Supervised learning, TheoryofComputation_GENERAL, [ INFO.INFO-CY ] Computer Science [cs]/Computers and Society [cs.CY], [INFO.INFO-CY] Computer Science [cs]/Computers and Society [cs.CY], Maximum entropy probability distribution, 020201 artificial intelligence & image processing, Transfer entropy, Artificial intelligence, business, computer
Abstract: In supervised learning, especially in decision tree induction, many measures are based on the concept of entropy. A major characteristic of entropies is that they take their maximal value when the ...
Published: 2010

18. Classifying very-high-dimensional data with random forests of oblique decision trees

Author: Do, Thanh Nghi, Lenca, Philippe, Lallich, Stéphane, Pham, Nguyen-Khang, Département Logique des Usages, Sciences sociales et Sciences de l'Information ( LUSSI ), Université européenne de Bretagne ( UEB ) -Télécom Bretagne-Institut Mines-Télécom [Paris], Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (UMR 3192) ( Lab-STICC ), Université européenne de Bretagne ( UEB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Télécom Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), College of Information and Communication Technology (.) ( CICT ), Lab-STICC_TB_CID_DECIDE, Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance ( Lab-STICC ), École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ) -École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), Equipe de Recherche en Ingénierie des Connaissances ( ERIC ), Université Lumière - Lyon 2 ( UL2 ), Institut de Recherche en Informatique et Systèmes Aléatoires ( IRISA ), CentraleSupélec-Université de Rennes 1 ( UR1 ), Université de Rennes ( UNIV-RENNES ) -Université de Rennes ( UNIV-RENNES ) -Télécom Bretagne-Institut National des Sciences Appliquées ( INSA ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -École normale supérieure - Rennes ( ENS Rennes ) -Centre National de la Recherche Scientifique ( CNRS ) -Université de Bretagne Sud ( UBS ), Département Logique des Usages, Sciences sociales et Sciences de l'Information (LUSSI), Université européenne de Bretagne - European University of Brittany (UEB)-Télécom Bretagne-Institut Mines-Télécom [Paris] (IMT), Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (UMR 3192) (Lab-STICC), Université européenne de Bretagne - European University of Brittany (UEB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), College of Information and Communication Technology (.) (CICT), Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Institut National de Recherche en Informatique et en Automatique (Inria)-Télécom Bretagne-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), Université européenne de Bretagne - European University of Brittany (UEB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Télécom Bretagne-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), CentraleSupélec-Télécom Bretagne-Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-Institut National de Recherche en Informatique et en Automatique (Inria)-École normale supérieure - Rennes (ENS Rennes)-Université de Bretagne Sud (UBS)-Centre National de la Recherche Scientifique (CNRS)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA), and Télécom Bretagne (devenu IMT Atlantique), Ex-Bibliothèque
Subjects: [INFO.INFO-AI] Computer Science [cs]/Artificial Intelligence [cs.AI], Oblique decision trees, [INFO.INFO-DB]Computer Science [cs]/Databases [cs.DB], [ INFO.INFO-DB ] Computer Science [cs]/Databases [cs.DB], [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], [INFO.INFO-DB] Computer Science [cs]/Databases [cs.DB], [INFO.INFO-LG] Computer Science [cs]/Machine Learning [cs.LG], Random forests, [ INFO.INFO-AI ] Computer Science [cs]/Artificial Intelligence [cs.AI], Very-high-dimensional data, [ INFO.INFO-LG ] Computer Science [cs]/Machine Learning [cs.LG], [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract: International audience; The random forests method is one of the most successful ensemble methods. However, random forests do not have high performance when dealing with very-high-dimensional data in presence of dependencies. In this case one can expect that there exist many combinations between the variables and unfortunately the usual random forests method does not effectively exploit this situation. We here investigate a new approach for supervised classification with a huge number of numerical attributes. We propose a random oblique decision trees method. It consists of randomly choosing a subset of predictive attributes and it uses SVM as a split function of these attributes.We compare, on 25 datasets, the effectiveness with classical measures (e.g. precision, recall, F1-measure and accuracy) of random forests of random oblique decision trees with SVMs and random forests of C4.5. Our proposal has significant better performance on very-high-dimensional datasets with slightly better results on lower dimensional datasets.
Published: 2010

19. All-monotony: a generalization of the all-confidence antimonotony

Author: Sorin Moga, Yannick Le Bras, Philippe Lenca, Stéphane Lallich, Département Logique des Usages, Sciences sociales et Sciences de l'Information (LUSSI), Institut Mines-Télécom [Paris] (IMT)-Télécom Bretagne-Université européenne de Bretagne - European University of Brittany (UEB), Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (UMR 3192) (Lab-STICC), Université européenne de Bretagne - European University of Brittany (UEB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Télécom Bretagne-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Lab-STICC_TB_CID_DECIDE, Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), Télécom Bretagne (devenu IMT Atlantique), Ex-Bibliothèque, Département Logique des Usages, Sciences sociales et Sciences de l'Information ( LUSSI ), Université européenne de Bretagne ( UEB ) -Télécom Bretagne-Institut Mines-Télécom [Paris], Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (UMR 3192) ( Lab-STICC ), Université européenne de Bretagne ( UEB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Télécom Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance ( Lab-STICC ), École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ) -École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), Equipe de Recherche en Ingénierie des Connaissances ( ERIC ), and Université Lumière - Lyon 2 ( UL2 )
Subjects: Apriori algorithm, Theoretical computer science, Property (philosophy), Association rule learning, Computer science, Generalization, Probability density function, 02 engineering and technology, Machine learning, computer.software_genre, Measure (mathematics), [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], 020204 information systems, 0202 electrical engineering, electronic engineering, information engineering, [INFO.INFO-DB] Computer Science [cs]/Databases [cs.DB], [ STAT.ML ] Statistics [stat]/Machine Learning [stat.ML], ComputingMilieux_MISCELLANEOUS, [INFO.INFO-DB]Computer Science [cs]/Databases [cs.DB], business.industry, [STAT.ML] Statistics [stat]/Machine Learning [stat.ML], [ INFO.INFO-DB ] Computer Science [cs]/Databases [cs.DB], Transformation (function), 020201 artificial intelligence & image processing, Artificial intelligence, Focus (optics), business, computer
Abstract: Many studies have shown the limits of support/confidence framework used in Apriori-like algorithms to mine association rules. One solution to cope with this limitation is to get rid of frequent itemset mining and to focus as soon as possible on interesting rules. Many works have focussed on the algorithmic properties of the confidence. In particular, the all-confidence which is a transformation of the confidence, has the antimonotone property. In this paper, we generalize the all-confidence by associating to any measure its corresponding all-measure. We present a formal framework which allows us to make the link between analytic and algorithmic properties of the all-measure. We then propose the notion of all-monotony which corresponds to the monotony property of the all-measure. We show that there are 5 out of 37 measures which can be transformed into an antimonotone measure.
Published: 2009

20. Un nouvel algorithme de forêts aléatoires d'arbres obliques particulièrement adapté à la classification de données en grandes dimensions

Author: DO , Thanh Nghi, Lallich , Stéphane, Pham , Nguyen-Khang, Lenca , Philippe, Département Logique des Usages, Sciences sociales et Sciences de l'Information (LUSSI), Université européenne de Bretagne - European University of Brittany (UEB)-Télécom Bretagne-Institut Mines-Télécom [Paris] (IMT), Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (UMR 3192) (Lab-STICC), Université européenne de Bretagne - European University of Brittany (UEB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Télécom Bretagne-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), CentraleSupélec-Télécom Bretagne-Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-Institut National de Recherche en Informatique et en Automatique (Inria)-École normale supérieure - Rennes (ENS Rennes)-Université de Bretagne Sud (UBS)-Centre National de la Recherche Scientifique (CNRS)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA), Lab-STICC_TB_CID_DECIDE, Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Département Logique des Usages, Sciences sociales et Sciences de l'Information ( LUSSI ), Université européenne de Bretagne ( UEB ) -Télécom Bretagne-Institut Mines-Télécom [Paris], Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (UMR 3192) ( Lab-STICC ), Université européenne de Bretagne ( UEB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Télécom Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), Equipe de Recherche en Ingénierie des Connaissances ( ERIC ), Université Lumière - Lyon 2 ( UL2 ), Institut de Recherche en Informatique et Systèmes Aléatoires ( IRISA ), CentraleSupélec-Université de Rennes 1 ( UR1 ), Université de Rennes ( UNIV-RENNES ) -Université de Rennes ( UNIV-RENNES ) -Télécom Bretagne-Institut National des Sciences Appliquées ( INSA ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -École normale supérieure - Rennes ( ENS Rennes ) -Centre National de la Recherche Scientifique ( CNRS ) -Université de Bretagne Sud ( UBS ), Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance ( Lab-STICC ), École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ) -École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), Université européenne de Bretagne - European University of Brittany (UEB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Institut National de Recherche en Informatique et en Automatique (Inria)-Télécom Bretagne-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), and Télécom Bretagne (devenu IMT Atlantique), Ex-Bibliothèque
Subjects: [ INFO.INFO-CY ] Computer Science [cs]/Computers and Society [cs.CY], [INFO.INFO-CY] Computer Science [cs]/Computers and Society [cs.CY], [INFO.INFO-CY]Computer Science [cs]/Computers and Society [cs.CY]
Abstract: National audience; Pas de résumé disponible
Published: 2009

21. Quality issues, measures of interestingness and evaluation of data mining models

Author: Lenca, Philippe, Lallich, Stéphane, Département Logique des Usages, Sciences sociales et Sciences de l'Information (LUSSI), Institut Mines-Télécom [Paris] (IMT)-Télécom Bretagne-Université européenne de Bretagne - European University of Brittany (UEB), Lab-STICC_TB_CID_DECIDE, Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), Philippe Lenca, Stéphane Lallich, Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance ( Lab-STICC ), École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ) -École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), Département Logique des Usages, Sciences sociales et Sciences de l'Information ( LUSSI ), Université européenne de Bretagne ( UEB ) -Télécom Bretagne-Institut Mines-Télécom [Paris], Equipe de Recherche en Ingénierie des Connaissances ( ERIC ), Université Lumière - Lyon 2 ( UL2 ), Université européenne de Bretagne - European University of Brittany (UEB)-Télécom Bretagne-Institut Mines-Télécom [Paris] (IMT), Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), and Université de Brest (UBO)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)
Subjects: [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], [INFO.INFO-IR]Computer Science [cs]/Information Retrieval [cs.IR], [ INFO.INFO-AI ] Computer Science [cs]/Artificial Intelligence [cs.AI], ComputingMilieux_MISCELLANEOUS, [ STAT.ML ] Statistics [stat]/Machine Learning [stat.ML], [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract: pkdd09ll; International audience
Published: 2009

22. Towards an adaptive curation services composition based on machine learning

Author: Khouloud Boukadi, Firas Zouari, Nadia Kabachi, Chirine Ghedira-Guegan, Service Oriented Computing (SOC), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Université Lumière - Lyon 2 (UL2), SID, Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2)-Université Lumière - Lyon 2 (UL2), Multimedia, InfoRmation systems and Advanced Computing Laboratory (MIRACL), Faculté des Sciences Economiques et de Gestion de Sfax (FSEG Sfax), Université de Sfax - University of Sfax-Université de Sfax - University of Sfax, Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Centre de Recherche Magellan, Université Jean Moulin - Lyon 3 (UJML), Université de Lyon-Université de Lyon-Institut d'Administration des Entreprises (IAE) - Lyon, Département Organisation et Modélisation des Systèmes Industriels (OMSI-ENSMSE), École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), and Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Centre G2I
Subjects: Data curation, business.industry, Computer science, Process (engineering), Data management, Big data, Unstructured data, computer.software_genre, Machine learning, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], Data visualization, [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], Reinforcement learning, Artificial intelligence, Web service, business, computer, ComputingMilieux_MISCELLANEOUS
Abstract: Data curation deals with managing the data by applying different tasks such as extraction, enrichment, cleaning to fit the purpose of use. Indeed, nowadays, there is an increasing need to implement such tasks in the big data era to maintain data management. Big data is involved in decision processes to perform analysis, visualization, prediction, etc. Thus, there is a dependency between the generated outcomes and the input data of such a process. Therefore, decision process features (e.g., decision context, user constraints, and requirements) need to be taken into account during the data management process, including the data curation phase. Although the proposed curation approaches in the literature are diverse, most of them are static and do not consider the decision process features. Moreover, most of the proposals are dedicated to curating a specific data source format (e.g., structured/unstructured data source). To overcome these limitations, we propose a new approach ACUSEC (Adaptive CUration SErvice Composition) that ensures adaptive curation services composition by considering different features: the source type, the user constraints and preferences, and the decision context. To do so, we rely on AI and machine learning mechanisms such as reinforcement learning. Following the approach's definition, we conducted experiments that show encouraging results in overall execution time and adaptation to the above features.
Published: 2021
Full Text: View/download PDF

23. Learning rule sets and Sugeno integrals for monotonic classification problems

Author: Miguel Couceiro, Didier Dubois, Henri Prade, Agnès Rico, Quentin Brabant, Knowledge representation, reasonning (ORPAILLEUR), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Natural Language Processing & Knowledge Discovery (LORIA - NLPKD), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Argumentation, Décision, Raisonnement, Incertitude et Apprentissage (IRIT-ADRIA), Institut de recherche en informatique de Toulouse (IRIT), Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées, Centre National de la Recherche Scientifique (CNRS), Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), This work is supported by ANR-11-LABX-0040- CIMI (Centre International de Mathématiques et d’Informatique) within the program ANR-11-IDEX-0002-02, project ISIPA., ANR-11-IDEX-0002,UNITI,Université Fédérale de Toulouse(2011), Université Toulouse Capitole (UT Capitole), Université de Toulouse (UT)-Université de Toulouse (UT)-Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université de Toulouse (UT)-Toulouse Mind & Brain Institut (TMBI), Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Université Toulouse Capitole (UT Capitole), Université de Toulouse (UT), Université Toulouse 1 Capitole (UT1)-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), and ANR-11-IDEX-0002-02/11-LABX-0040,CIMI,Centre International de Mathématiques et d’Informatique (de Toulouse)(2011)
Subjects: monotonicity constraint, 0209 industrial biotechnology, Theoretical computer science, Logic, Sugeno integral, Monotonic classification, 02 engineering and technology, 020901 industrial engineering & automation, [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], Artificial Intelligence, Learning rule, decomposable model, 0202 electrical engineering, electronic engineering, information engineering, [INFO]Computer Science [cs], Mathematics, Training set, decision rules, Decision rule, MCDA, 16. Peace & justice, Multiple-criteria decision analysis, Local utility, 020201 artificial intelligence & image processing, Classifier (UML)
Abstract: International audience; In some variants of the supervised classification setting, the domains of the attributes and the set of classes are totally ordered sets. The task of learning a classifier that is nondecreasing w.r.t. each attribute is called monotonic classification. Several kinds of models can be used in this task; in this paper , we focus on decision rules. We propose a method for learning a set of decision rules that optimally fits the training data while favoring short rules over long ones. We give new results on the representation of sets of if-then rules by extensions of Sugeno integrals to distinct attribute domains, where local utility functions are used to map attribute domains to a common totally ordered scale. We study whether such qualitative extensions of Sugeno integral provide compact representations of large sets of decision rules.
Published: 2020
Full Text: View/download PDF

24. Adaptive Multi-agent-based Alert System for Diseases’ Detection

Author: Ibtihel Selmi, Sana Ben Abdallah, Chirine Ghedira Guegan, Hajer Baazaoui, Nadia Kabachi, Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), Laboratoire de recherche en Génie Logiciel, Applications distribuées, Systèmes décisionnels et Imagerie intelligente [Manouba] (RIADI), École Nationale des Sciences de l'Informatique [Manouba] (ENSI), Université de la Manouba [Tunisie] (UMA)-Université de la Manouba [Tunisie] (UMA), Service Oriented Computing (SOC), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), and Université de Lyon-Université Lumière - Lyon 2 (UL2)
Subjects: medicine.medical_specialty, Health professionals, Computer science, Public health, 030232 urology & nephrology, Context (language use), 02 engineering and technology, Data science, 3. Good health, 03 medical and health sciences, 0302 clinical medicine, [INFO.INFO-MA]Computer Science [cs]/Multiagent Systems [cs.MA], Epidemiology, 0202 electrical engineering, electronic engineering, information engineering, medicine, 020201 artificial intelligence & image processing, [INFO]Computer Science [cs], Alert system, ComputingMilieux_MISCELLANEOUS
Abstract: Monitoring the epidemiological situation of public health remains a challenge, given the exponential growth of health data. Indeed, these latter come from various sources such as, health professionals, biologists, experts in health organizations, etc. In this context, reconciling the search for the greatest amount of appropriate signals and the way of treating them, is the ultimate challenge.
Published: 2020
Full Text: View/download PDF

25. New axiomatisations of discrete quantitative and qualitative possibilistic integrals

Author: Didier Dubois, Agnès Rico, Centre National de la Recherche Scientifique - CNRS (FRANCE), Institut National Polytechnique de Toulouse - Toulouse INP (FRANCE), Université Toulouse III - Paul Sabatier - UT3 (FRANCE), Université Toulouse - Jean Jaurès - UT2J (FRANCE), Université Toulouse 1 Capitole - UT1 (FRANCE), Université Claude Bernard-Lyon I - UCBL (FRANCE), Université Lumière-Lyon 2 (FRANCE), Argumentation, Décision, Raisonnement, Incertitude et Apprentissage (IRIT-ADRIA), Institut de recherche en informatique de Toulouse (IRIT), Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées, Centre National de la Recherche Scientifique (CNRS), Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), and Institut National Polytechnique de Toulouse - INPT (FRANCE)
Subjects: Possibility theory, Discrete mathematics, 021103 operations research, Fuzzy measure theory, Logic, Sugeno integral, 0211 other engineering and technologies, Axiomatic system, 02 engineering and technology, Intelligence artificielle, Minimax, Measure (mathematics), [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], Mathematics::Logic, Choquet integral, Artificial Intelligence, 0202 electrical engineering, electronic engineering, information engineering, 020201 artificial intelligence & image processing, Mathematical economics, Axiom, Mathematics
Abstract: International audience; Necessity (resp. possibility) measures are very simple min-decomposable (resp. max-decomposable) representations of epistemic uncertainty due to incomplete knowledge. They can be used in both quantitative and qualitative settings. In the present work, we revisit Choquet and Sugeno integrals as criteria for decision under uncertainty and propose new axioms when uncertainty is representable in possibility theory. First, a characterization of Choquet integral with respect to a possibility or a necessity measure is proposed. We respectively add an optimism or a pessimism axiom to the axioms of the Choquet integral with respect to a general capacity. This new axiom enforces the maxitivity or the minitivity of the capacity without requiring the same property for the functional. It essentially assumes that the decision-maker preferences only reflect the plausibility ordering between states of nature. The obtained pessimistic (resp. optimistic) criterion is an average maximin (resp. maximax) criterion of Wald across cuts of a possibility distribution on the state space. The additional axiom can be also used in the axiomatic approach to Sugeno integral and generalized forms thereof to justify possibility and necessity measures. The axiomatization of these criteria for decision under uncertainty in the setting of preference relations among acts is also discussed. We show that the new axiom justifying possibilistic Choquet integrals can be expressed in this setting. In the case of Sugeno integral, we correct a characterization proof for an existing set of axioms on acts, and study an alternative set of axioms based on the idea of non-compensation.
Published: 2018
Full Text: View/download PDF

26. Graded cubes of opposition and possibility theory with fuzzy events

Author: Henri Prade, Didier Dubois, Agnès Rico, Argumentation, Décision, Raisonnement, Incertitude et Apprentissage (IRIT-ADRIA), Institut de recherche en informatique de Toulouse (IRIT), Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées, Centre National de la Recherche Scientifique (CNRS), Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), Centre National de la Recherche Scientifique - CNRS (FRANCE), Institut National Polytechnique de Toulouse - Toulouse INP (FRANCE), Université Toulouse III - Paul Sabatier - UT3 (FRANCE), Université Toulouse - Jean Jaurès - UT2J (FRANCE), Université Toulouse 1 Capitole - UT1 (FRANCE), Université Claude Bernard-Lyon I - UCBL (FRANCE), and Institut National Polytechnique de Toulouse - INPT (FRANCE)
Subjects: Pure mathematics, Cube of opposition, Opposition (planets), Square of opposition, 02 engineering and technology, 01 natural sciences, Fuzzy logic, [INFO.INFO-CL]Computer Science [cs]/Computation and Language [cs.CL], [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], Theoretical Computer Science, [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], Fuzzy event, Artificial Intelligence, 0202 electrical engineering, electronic engineering, information engineering, 0101 mathematics, Mathematics, Possibility theory, Logique en informatique, Applied Mathematics, 010102 general mathematics, [INFO.INFO-LO]Computer Science [cs]/Logic in Computer Science [cs.LO], Informatique et langage, Intelligence artificielle, 16. Peace & justice, Apprentissage, Algebra, Philosophical logic, Set function, 020201 artificial intelligence & image processing, Cube, Software
Abstract: International audience; The paper discusses graded extensions of the cube of opposition, a structure that naturally emerges from the square of opposition in philosophical logic. These extensions of the cube of opposition agree with possibility theory and its four set functions. This extended cube then provides a synthetic and unified view of possibility theory. This is an opportunity to revisit basic notions of possibility theory, in particular regarding the handling of fuzzy events. It turns out that in possibility theory, two extensions of the four basic set functions to fuzzy events exist, which are needed for serving different purposes. The expressions of these extensions involve many-valued conjunction and implication operators that are related either via semi-duality or via residuation.
Published: 2017
Full Text: View/download PDF

27. Predictive Maintenance from Event Logs Using Wavelet-Based Features: An Industrial Application

Author: Victoria Granger, Jairo Cugliari, Stéphane Bonnevay, Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), Entrepôts, Représentation et Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon, MARine Biodiversity Exploitation and Conservation (UMR MARBEC), and Institut de Recherche pour le Développement (IRD)-Institut Français de Recherche pour l'Exploitation de la Mer (IFREMER)-Université de Montpellier (UM)-Centre National de la Recherche Scientifique (CNRS)
Subjects: 0209 industrial biotechnology, Corrective maintenance, Computer science, business.industry, Information technology, [INFO.INFO-RO]Computer Science [cs]/Operations Research [cs.RO], 02 engineering and technology, computer.software_genre, [INFO.INFO-MO]Computer Science [cs]/Modeling and Simulation, Ensemble learning, Networking hardware, Predictive maintenance, Random forest, Scheduling (computing), 020901 industrial engineering & automation, Wavelet, [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], 0202 electrical engineering, electronic engineering, information engineering, 020201 artificial intelligence & image processing, Data mining, business, computer, ComputingMilieux_MISCELLANEOUS
Abstract: In industrial context, event logging is a widely accepted concept supported by most applications, services, network devices, and other IT systems. Event logs usually provide important information about security incidents, system faults or performance issues. In this way, the analysis of data from event logs is essential to extract key information in order to highlight features and patterns to understand and identify reasons of failures or faults. Our objective is to help anticipate equipment failures to allow for advance scheduling of corrective maintenance. We propose a supervised approach to predict faults from an event log dataset using wavelets features as input of a random forest which is an ensemble learning method.
Published: 2019
Full Text: View/download PDF

28. Residuated variants of Sugeno integrals: Towards new weighting schemes for qualitative aggregation methods

Author: Henri Prade, Didier Dubois, Agnès Rico, Centre National de la Recherche Scientifique - CNRS (FRANCE), Institut National Polytechnique de Toulouse - Toulouse INP (FRANCE), Université Toulouse III - Paul Sabatier - UT3 (FRANCE), Université Toulouse - Jean Jaurès - UT2J (FRANCE), Université Toulouse 1 Capitole - UT1 (FRANCE), Université Claude Bernard-Lyon I - UCBL (FRANCE), Argumentation, Décision, Raisonnement, Incertitude et Apprentissage (IRIT-ADRIA), Institut de recherche en informatique de Toulouse (IRIT), Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées, Centre National de la Recherche Scientifique (CNRS), Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), and Institut National Polytechnique de Toulouse - INPT (FRANCE)
Subjects: Pure mathematics, Information Systems and Management, Sugeno integral, 0211 other engineering and technologies, Structure (category theory), Scale (descriptive set theory), 02 engineering and technology, Bipolarity, [INFO.INFO-CL]Computer Science [cs]/Computation and Language [cs.CL], [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], Theoretical Computer Science, [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], Negation, Artificial Intelligence, 0202 electrical engineering, electronic engineering, information engineering, Artificial Intelligence & Image Processing, Gödel implication, Mathematics, Logique en informatique, Possibility theory, 021103 operations research, [INFO.INFO-LO]Computer Science [cs]/Logic in Computer Science [cs.LO], Multicriteria evaluation, Informatique et langage, Intelligence artificielle, Apprentissage, Computer Science Applications, Dual (category theory), Control and Systems Engineering, 020201 artificial intelligence & image processing, Algorithm, Software
Abstract: © 2015 Published by Elsevier B.V. Sugeno integrals and their particular cases such as weighted minimum and maximum have been used in multiple-criteria aggregation when the evaluation scale is qualitative. This paper proposes two new variants of weighted minimum and maximum, where the criteria weights play the role of tolerance thresholds. These variants require the use of a residuated structure, equipped with an involutive negation. We propose residuated counterparts of Sugeno integrals, where the weights bear on subsets of criteria, and we study their properties, showing they are analogous to Sugeno integrals to a large extent. Finally we propose dual aggregation operations, we call desintegrals, where an item is evaluated in terms of its defects rather than in terms of its positive features. Desintegrals are maximal when no defects at all are present, while integrals are maximal when all merits are sufficiently present. Qualitative integrals and desintegrals suggest a possible approach to bipolar evaluation processes where items are judged both in terms of merits and defects that are not independent of one another.
Published: 2016
Full Text: View/download PDF

29. Fractional LWE: A Nonlinear Variant of LWE

Author: Gérald Gavin, Stéphane Bonnevay, Entrepôts, Représentation et Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon, Equipe de Recherche en Ingénierie des Connaissances (ERIC), and Université Lumière - Lyon 2 (UL2)
Subjects: 050101 languages & linguistics, Logarithm, 05 social sciences, [INFO.INFO-RO]Computer Science [cs]/Operations Research [cs.RO], 02 engineering and technology, [INFO.INFO-MO]Computer Science [cs]/Modeling and Simulation, Combinatorics, Nonlinear system, [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], Lattice (order), 0202 electrical engineering, electronic engineering, information engineering, 020201 artificial intelligence & image processing, 0501 psychology and cognitive sciences, ComputingMilieux_MISCELLANEOUS, Mathematics
Abstract: Many cryptographic constructions are based on the famous problem LWE [Reg05]. In particular, this cryptographic problem is currently the most relevant to build FHE [GSW13, BV11]. In [BV11], encrypting x consists of randomly choosing a vector \(\varvec{c}\) satisfying \(\langle \varvec{s},\varvec{c}\rangle =x+\textsf {noise}\pmod q\) where \(\varvec{s}\) is a secret size-n vector. While the vector sum is a homomorphic operator, such a scheme is intrinsically vulnerable to lattice-based attacks. To overcome this, we propose to define \(\varvec{c}\) as a pair of vectors \((\varvec{u},\varvec{v})\) satisfying \(\langle \varvec{s},\varvec{u}\rangle /\langle \varvec{s},\varvec{v}\rangle =x+\textsf {noise}\pmod q\). This simple scheme is based on a new cryptographic problem intuitively not easier than LWE, called Fractional LWE (FLWE). While some homomorphic properties are lost, the secret vector \(\varvec{s}\) could be hopefully chosen shorter leading to more efficient constructions. We extensively study the hardness of FLWE. We first prove that the decision and search versions are equivalent provided q is a small prime. We then propose lattice-based cryptanalysis showing that n could be chosen logarithmic in \(\log q\) instead of polynomial for LWE.
Published: 2019
Full Text: View/download PDF

30. Sugeno Integral for Rule-Based Ordinal Classification

Author: Quentin Brabant, Miguel Couceiro, Didier Dubois, Henri Prade, Agnès Rico, Knowledge representation, reasonning (ORPAILLEUR), Inria Nancy - Grand Est, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Department of Natural Language Processing & Knowledge Discovery (LORIA - NLPKD), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Laboratoire d'analyse et modélisation de systèmes pour l'aide à la décision (LAMSADE), Université Paris Dauphine-PSL, Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Centre National de la Recherche Scientifique (CNRS), Argumentation, Décision, Raisonnement, Incertitude et Apprentissage (IRIT-ADRIA), Institut de recherche en informatique de Toulouse (IRIT), Université Toulouse Capitole (UT Capitole), Université de Toulouse (UT)-Université de Toulouse (UT)-Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université de Toulouse (UT)-Toulouse Mind & Brain Institut (TMBI), Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université de Toulouse (UT)-Université Toulouse III - Paul Sabatier (UT3), Université de Toulouse (UT)-Université Toulouse Capitole (UT Capitole), Université de Toulouse (UT), Centre National de la Recherche Scientifique (CNRS), Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), International Joint Conference on Artificial Intelligence, Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse 1 Capitole (UT1), and Université Fédérale Toulouse Midi-Pyrénées
Subjects: [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], [INFO.INFO-DM]Computer Science [cs]/Discrete Mathematics [cs.DM]
Abstract: International audience; We present a method for modeling empirical data by a rule set in ordinal classification problems. This method is nonparametric and uses an intermediary model based on Sugeno integral. The accuracy of rule sets thus obtained is competitive with other rule-based classifiers. Special attention is given to the length of rules, i.e., number of conditions.
Published: 2018

31. Impact of the Query Set on the Evaluation of Expert Finding Systems

Author: Brochier, R., Adrien Guille, Rothan, B., Velcin, J., Equipe de Recherche en Ingénierie des Connaissances (ERIC), and Université Lumière - Lyon 2 (UL2)
Subjects: FOS: Computer and information sciences, expert finding · recommender system · evaluation, [INFO.INFO-IR]Computer Science [cs]/Information Retrieval [cs.IR], Information Retrieval (cs.IR), Computer Science - Information Retrieval
Abstract: International audience; Expertise is a loosely defined concept that is hard to formalize. Much research has focused on designing efficient algorithms for expert finding in large databases in various application domains. The evaluation of such recommender systems lies most of the time on human-annotated sets of experts associated with topics. The protocol of evaluation consists in using the namings or short descriptions of these topics as raw queries in order to rank the available set of candidates. Several measures taken from the field of information retrieval are then applied to rate the rankings of candidates against the ground truth set of experts. In this paper, we apply this topic-query evaluation methodology with the AMiner data and explore a new document-query methodology to evaluate experts retrieval from a set of queries sampled directly from the experts documents. Specifically, we describe two datasets extracted from AMiner, three baseline algorithms from the literature based on several document representations and provide experiment results to show that using a wide range of more realistic queries provides different evaluation results to the usual topic-queries.
Published: 2018

32. Fuzzy Extensions of Conceptual Structures of Comparison

Author: Henri Prade, Agnès Rico, Didier Dubois, Argumentation, Décision, Raisonnement, Incertitude et Apprentissage (IRIT-ADRIA), Institut de recherche en informatique de Toulouse (IRIT), Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université Fédérale Toulouse Midi-Pyrénées-Université Toulouse 1 Capitole (UT1), Université Fédérale Toulouse Midi-Pyrénées, Centre National de la Recherche Scientifique (CNRS), Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), Centre National de la Recherche Scientifique - CNRS (FRANCE), Institut National Polytechnique de Toulouse - INPT (FRANCE), Université Toulouse III - Paul Sabatier - UT3 (FRANCE), Université Toulouse - Jean Jaurès - UT2J (FRANCE), Université Toulouse 1 Capitole - UT1 (FRANCE), Université Claude Bernard-Lyon I - UCBL (FRANCE), Université Lumière-Lyon 2 (FRANCE), and Institut National Polytechnique de Toulouse - Toulouse INP (FRANCE)
Subjects: Theoretical computer science, Square of opposition, Inequality, Computer science, media_common.quotation_subject, Analogy, 02 engineering and technology, [INFO.INFO-DM]Computer Science [cs]/Discrete Mathematics [cs.DM], 01 natural sciences, Fuzzy logic, 0202 electrical engineering, electronic engineering, information engineering, Mathématique discrète, Logical hexagon, 0101 mathematics, Difference Similarity, ComputingMilieux_MISCELLANEOUS, media_common, Hexagon of opposition, Ordered weighted min, Modalities, 010102 general mathematics, Syllogism, 16. Peace & justice, 020201 artificial intelligence & image processing
Abstract: Comparing two items (objects, images) involves a set of relevant attributes whose values are compared. Such a comparison may be expressed in terms of different modalities such as identity, similarity, difference, opposition, analogy. Recently J.-Y. Beziau has proposed an “analogical hexagon” that organizes the relations linking these modalities. The hexagon structure extends the logical square of opposition invented in Aristotle time (in relation with the theory of syllogisms). The interest of these structures has been recently advocated in logic and in artificial intelligence. When non-Boolean attributes are involved, elementary comparisons may be a matter of degree. Moreover, attributes may not have the same importance. One might only consider most attributes rather than all of them, using operators such as ordered weighted min and max. The paper studies in which ways the logical hexagon structure may be preserved in such gradual extensions. As an illustration, we start with the hexagon of equality and inequality due to Blanche and extend it with fuzzy equality and fuzzy inequality.
Published: 2018

33. Classifying many-class high-dimensional fingerprint datasets using random forest of oblique decision trees

Author: Thanh-Nghi Do, Philippe Lenca, Stéphane Lallich, College of Information Technology ( CIT ), Can Tho University [Vietnam] ( CTU ), Département Logique des Usages, Sciences sociales et Sciences de l'Information ( LUSSI ), Université européenne de Bretagne ( UEB ) -Télécom Bretagne-Institut Mines-Télécom [Paris], Lab-STICC_TB_CID_DECIDE, Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance ( Lab-STICC ), École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ) -École Nationale d'Ingénieurs de Brest ( ENIB ) -Université de Bretagne Sud ( UBS ) -Université de Brest ( UBO ) -Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques ( IBNM ), Université de Brest ( UBO ) -Université européenne de Bretagne ( UEB ) -ENSTA Bretagne-Institut Mines-Télécom [Paris]-Centre National de la Recherche Scientifique ( CNRS ), Equipe de Recherche en Ingénierie des Connaissances ( ERIC ), Université Lumière - Lyon 2 ( UL2 ), College of Information Technology (CIT), Can Tho University [Vietnam] (CTU), Département Logique des Usages, Sciences sociales et Sciences de l'Information (LUSSI), Université européenne de Bretagne - European University of Brittany (UEB)-Télécom Bretagne-Institut Mines-Télécom [Paris] (IMT), Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Equipe de Recherche en Ingénierie des Connaissances (ERIC), and Université Lumière - Lyon 2 (UL2)
Subjects: Random Forest of Oblique Decision Trees, business.industry, Computer science, Fingerprint classification, Fingerprint (computing), Decision tree, ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION, Oblique case, Scale-invariant feature transform, Pattern recognition, Random forest, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], Bag-of-words model in computer vision, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], Computer Science::Computer Vision and Pattern Recognition, [ INFO.INFO-TI ] Computer Science [cs]/Image Processing, Noise (video), Artificial intelligence, business, Bag of visual words, [ INFO.INFO-AI ] Computer Science [cs]/Artificial Intelligence [cs.AI], Rotation (mathematics), Scale-Invariant Feature Transform, [ STAT.ML ] Statistics [stat]/Machine Learning [stat.ML]
Abstract: International audience; Classifying fingerprint images may require an important features extraction step. The Scale-invariant feature transform which extracts local descriptors from images is robust to image scale, rotation and also to changes in illumination, noise, etc. It allows to represent an image in term of the comfortable bag-of-visual-words. This representation leads to a very large number of dimensions. In this case random forest of oblique decision trees are very efficient for a small number of classes. However, in fingerprint classification there are as many classes as individuals. A multi-class version of random forest of oblique decision trees is thus proposed. The numerical tests on seven real datasets (up to 5000 dimensions and 389 classes) show that our proposal has very high accuracy and outperforms state-of-the-art algorithms.
Full Text: View/download PDF

34. Supervised Topic Models for Diagnosis Code Assignment to Discharge Summaries

Author: Julien Velcin, Rémi Flicoteaux, Sylvie Chevret, Namik Taright, Mohamed Dermouche, Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), Entrepôts, Représentation et Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon, ORS PACA, Biostatistique et épidemiologie clinique, Université Paris Diderot - Paris 7 (UPD7)-Institut National de la Santé et de la Recherche Médicale (INSERM), Service de médecine interne [Saint-Antoine], Université Pierre et Marie Curie - Paris 6 (UPMC)-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-CHU Saint-Antoine [AP-HP], Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU)-Sorbonne Université (SU), and Velcin, Julien
Subjects: [INFO.INFO-AI] Computer Science [cs]/Artificial Intelligence [cs.AI], Topic model, Computer science, text categorization, [INFO.INFO-TT] Computer Science [cs]/Document and Text Processing, ICD code assignment, text mining, 02 engineering and technology, 010501 environmental sciences, Machine learning, computer.software_genre, 01 natural sciences, Field (computer science), [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], Task (project management), topic models, Text mining, [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], 0202 electrical engineering, electronic engineering, information engineering, Set (psychology), 0105 earth and related environmental sciences, Interpretation (logic), business.industry, nat-ural language processing, Probabilistic logic, [STAT.ML] Statistics [stat]/Machine Learning [stat.ML], 3. Good health, [INFO.INFO-TT]Computer Science [cs]/Document and Text Processing, machine learning, [INFO.INFO-IR]Computer Science [cs]/Information Retrieval [cs.IR], 020201 artificial intelligence & image processing, [INFO.INFO-IR] Computer Science [cs]/Information Retrieval [cs.IR], Artificial intelligence, Diagnosis code, business, computer
Abstract: International audience; Mining medical data has significantly gained interest in the recent years thanks to the advances in data mining and machine learning fields. In this work, we focus on a challenging issue in medical data mining: automatic diagnosis code assignment to discharge summaries, i.e., characterizing patient's hospital stay (diseases, symptoms, treatments, etc.) with a set of codes usually derived from the International Classification of Diseases (ICD). We cast the problem as a machine learning task and we experiment some recent approaches based on the probabilis-tic topic models. We demonstrate the efficiency of these models in terms of high predictive scores and ease of result interpretation. As such, we show how topic models enable gaining insights into this field and provide new research opportunities for possible improvements.
Published: 2018
Full Text: View/download PDF

35. LA DETECTION DES INFERENCES PAR LA COMBINAISON DE PLUSIEURS PROFILS

Author: Ouazzani, Amine, Harbi, Nouria, Badir, Hassan, Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), and Université de Lyon-Université Lumière - Lyon 2 (UL2)
Subjects: Profils utilisateur, [INFO.INFO-CR]Computer Science [cs]/Cryptography and Security [cs.CR], Données sensibles, Entrepôt de données, Inférence
Abstract: International audience; Un Entrepôt de données (ED) regroupe les données sensibles de l'en-treprise et les données secrètes sur la vie privée des individus. Ce qui rend la gestion des accès à cette source une tâche difficile qui doit prendre en compte la détection des inférences possibles. Dans ce sens plusieurs auteurs ont pro-posé des méthodes pour faciliter la gestion des inférences, en analysant les permissions accordées à un utilisateur. Cependant aucun travail n'a traité la gestion des inférences dans le cas d'un utilisateur qui combine entre deux ou plusieurs profils au sein de l'entreprise. Dans cet article, nous allons présenter notre approche qui permet de détecter les déductions possibles entre deux ou plusieurs rôles affectés à un seul utilisateur.
Published: 2017

36. LA DETECTION DES INFERENCES PAR LA COMBINAISON DE PLUSIEURS PROFILS

Author: Ouazzani, Amine, Harbi, Nouria, Badir, Hassan, Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2), Rhazlane, Sara, and EL ouazzani, Amina
Subjects: Profils utilisateur, [INFO.INFO-CR]Computer Science [cs]/Cryptography and Security [cs.CR], Données sensibles, Entrepôt de données, [INFO] Computer Science [cs], ComputingMilieux_MISCELLANEOUS, [INFO.INFO-CR] Computer Science [cs]/Cryptography and Security [cs.CR], Inférence
Abstract: International audience; Un Entrepôt de données (ED) regroupe les données sensibles de l'en-treprise et les données secrètes sur la vie privée des individus. Ce qui rend la gestion des accès à cette source une tâche difficile qui doit prendre en compte la détection des inférences possibles. Dans ce sens plusieurs auteurs ont pro-posé des méthodes pour faciliter la gestion des inférences, en analysant les permissions accordées à un utilisateur. Cependant aucun travail n'a traité la gestion des inférences dans le cas d'un utilisateur qui combine entre deux ou plusieurs profils au sein de l'entreprise. Dans cet article, nous allons présenter notre approche qui permet de détecter les déductions possibles entre deux ou plusieurs rôles affectés à un seul utilisateur.
Published: 2017

37. Du local au global : un nouveau défi pour l'analyse statistique implicative

Author: Delacroix, Thomas, Lenca, Philippe, Lallich, Stéphane, Lab-STICC_IMTA_CID_DECIDE, Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), Institut Mines-Télécom [Paris] (IMT)-IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-École Nationale d'Ingénieurs de Brest (ENIB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Centre National de la Recherche Scientifique (CNRS)-Université Bretagne Loire (UBL)-Institut Mines-Télécom [Paris] (IMT)-IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-École Nationale d'Ingénieurs de Brest (ENIB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Centre National de la Recherche Scientifique (CNRS)-Université Bretagne Loire (UBL), Département Logique des Usages, Sciences sociales et Sciences de l'Information (IMT Atlantique - LUSSI), IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), Equipe de Recherche en Ingénierie des Connaissances (ERIC), and Université Lumière - Lyon 2 (UL2)
Subjects: [INFO.INFO-DB]Computer Science [cs]/Databases [cs.DB], Interestingness measures, Mutual constrained independence, Statistical implicative analysis, Rule mining, Maximum entropy model, Indépendance mutuelle contrainte, Modèles probabilistes, [MATH.MATH-PR]Mathematics [math]/Probability [math.PR], Modèle d'entropie maximale, Analyse statistique implicative, [INFO.INFO-CY]Computer Science [cs]/Computers and Society [cs.CY], [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], [MATH.MATH-ST]Mathematics [math]/Statistics [math.ST], Mesure d’intérêt, Probabilistic models, Extraction de règles
Abstract: International audience; Statistical implicative analysis, as well as the vast majority of current approaches towards rule mining, are faced with a certain number of difficulties such as the issue of over abundant and redundant rules. While a large number of papers in pattern mining have addressed these issues, most have concentrated on finding solutions rather than identifying causes. We present here one of the main causes of these issues: the local nature of the various approaches in rule mining, which can qualify both the models used for the measure of rule interestingness and the mining process; as well as its counterpart: choosing a global approach. We suggest a certain number of options allowing to make this choice with the objective of opening up to new perspectives and encouraging the transition from a vast majority of current local approaches towards more global approaches.; L'analyse statistique implicative ainsi que la très grande majorité des approches qui ont été développées en extraction de règles sont confrontées à un certain nombre de difficultés dont la surabondance et le caractère redondant des règles extraites. Si de nombreux chercheurs en extraction de motifs ont essayé de proposer des solutions à ces problèmes, ils sont bien moins nombreux à en avoir cherché les causes. On présente ici l'une des causes principales de ces problèmes : le caractère local des approches en extraction de règles qui caractérise à la fois les modèles utilisés pour la mesure de l'intérêt des règles et les processus d'extraction de règles ; ainsi que son contre-pied : le choix d'une approche globale. On propose un certain nombre d'options permettant de faire ce choix dans le but d'ouvrir de nouvelles perspectives et d'accompagner la transition des approches courantes toujours très majoritairement locales vers des approches plus globales.
Published: 2017

38. UdL at SemEval-2017 Task 1: Semantic Textual Similarity Estimation of English Sentence Pairs Using Regression Model over Pairwise Features

Author: Lucie Martinet, Fabrice Muhlenbach, Djamel A. Zighed, Hussein T. Al-Natsheh, Entrepôts, Représentation et Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon, Dynamic Networks : Temporal and Structural Capture Approach (DANTE), Inria Grenoble - Rhône-Alpes, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire de l'Informatique du Parallélisme (LIP), École normale supérieure de Lyon (ENS de Lyon)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-École normale supérieure de Lyon (ENS de Lyon)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut Rhône-Alpin des systèmes complexes (IXXI), École normale supérieure de Lyon (ENS de Lyon)-Université Lumière - Lyon 2 (UL2)-Université Jean Moulin - Lyon 3 (UJML), Université de Lyon-Université de Lyon-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes [2016-2019] (UGA [2016-2019])-Université Lumière - Lyon 2 (UL2)-Université Jean Moulin - Lyon 3 (UJML), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes [2016-2019] (UGA [2016-2019]), Laboratoire Hubert Curien (LHC), Institut d'Optique Graduate School (IOGS)-Université Jean Monnet - Saint-Étienne (UJM)-Centre National de la Recherche Scientifique (CNRS), Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), Centre National de la Recherche Scientifique (CNRS)-Université de Lyon-Institut National de Recherche en Informatique et en Automatique (Inria)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École normale supérieure - Lyon (ENS Lyon)-Centre National de la Recherche Scientifique (CNRS)-Université de Lyon-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École normale supérieure - Lyon (ENS Lyon)-Institut Rhône-Alpin des systèmes complexes (IXXI), École normale supérieure - Lyon (ENS Lyon)-Université Lumière - Lyon 2 (UL2)-Université Jean Moulin - Lyon 3 (UJML), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes [2016-2019] (UGA [2016-2019])-Université Lumière - Lyon 2 (UL2)-Université Jean Moulin - Lyon 3 (UJML), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes [2016-2019] (UGA [2016-2019]), Laboratoire Hubert Curien [Saint Etienne] (LHC), and Université Jean Monnet [Saint-Étienne] (UJM)-Centre National de la Recherche Scientifique (CNRS)-Institut d'Optique Graduate School (IOGS)
Subjects: Word embedding, Computer science, 02 engineering and technology, 050905 science studies, Semantics, computer.software_genre, Semantic similarity, Similarity (network science), 0202 electrical engineering, electronic engineering, information engineering, Feature (machine learning), ComputingMilieux_MISCELLANEOUS, business.industry, 05 social sciences, Pattern recognition, 16. Peace & justice, Ensemble learning, SemEval, [INFO.INFO-TT]Computer Science [cs]/Document and Text Processing, ComputingMethodologies_PATTERNRECOGNITION, Bag-of-words model, 020201 artificial intelligence & image processing, Artificial intelligence, 0509 other social sciences, business, computer, Sentence, Natural language processing
Abstract: This paper describes the model UdL we proposed to solve the semantic textual similarity task of SemEval 2017 workshop. The track we participated in was estimating the semantics relatedness of a given set of sentence pairs in English. The best run out of three submitted runs of our model achieved a Pearson correlation score of 0.8004 compared to a hidden human annotation of 250 pairs. We used random forest ensemble learning to map an expandable set of extracted pairwise features into a semantic similarity estimated value bounded between 0 and 5. Most of these features were calculated using word embedding vectors similarity to align Part of Speech (PoS) and Name Entities (NE) tagged tokens of each sentence pair. Among other pairwise features, we experimented a classical tf-idf weighted Bag of Words (BoW) vector model but with character-based range of n-grams instead of words. This sentence vector BoW-based feature gave a relatively high importance value percentage in the feature importances analysis of the ensemble learning.
Published: 2017

39. Evolutionary clustering for categorical data using parametric links among multinomial mixture models

Author: Stéphane Bonnevay, Julien Velcin, Abul Hasnat, Julien Jacques, Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), Entrepôts, Représentation et Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon, Laboratoire Paul Painlevé - UMR 8524 (LPP), Université de Lille-Centre National de la Recherche Scientifique (CNRS), MOdel for Data Analysis and Learning (MODAL), Laboratoire Paul Painlevé (LPP), Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Evaluation des technologies de santé et des pratiques médicales - ULR 2694 (METRICS), Université de Lille-Centre Hospitalier Régional Universitaire [Lille] (CHRU Lille)-Université de Lille-Centre Hospitalier Régional Universitaire [Lille] (CHRU Lille)-École polytechnique universitaire de Lille (Polytech Lille), ANR-12-CORD-0002,ImagiWeb,Images sur le Web : analyse de la dynamique des images sur le Web 2.0.(2012), Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire Paul Painlevé - UMR 8524 (LPP), Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Evaluation des technologies de santé et des pratiques médicales - ULR 2694 (METRICS), and Centre Hospitalier Régional Universitaire [Lille] (CHRU Lille)-Université de Lille-Centre Hospitalier Régional Universitaire [Lille] (CHRU Lille)-Université de Lille-École polytechnique universitaire de Lille (Polytech Lille)-Université de Lille, Sciences et Technologies
Subjects: Statistics and Probability, Clustering high-dimensional data, Economics and Econometrics, Fuzzy clustering, Twitter data, Correlation clustering, Conceptual clustering, 02 engineering and technology, computer.software_genre, Machine learning, 01 natural sciences, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], evolutionary clustering, 010104 statistics & probability, [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], CURE data clustering algorithm, [MATH.MATH-ST]Mathematics [math]/Statistics [math.ST], 0202 electrical engineering, electronic engineering, information engineering, 0101 mathematics, Cluster analysis, Categorical variable, ComputingMilieux_MISCELLANEOUS, Mathematics, mixture model, multinomial distribution, business.industry, [INFO.INFO-WB]Computer Science [cs]/Web, model-based clustering, Determining the number of clusters in a data set, [INFO.INFO-TT]Computer Science [cs]/Document and Text Processing, ComputingMethodologies_PATTERNRECOGNITION, [INFO.INFO-IR]Computer Science [cs]/Information Retrieval [cs.IR], 020201 artificial intelligence & image processing, Evolutionary clustering, Multinomial distribution, Mixture model, Model-based clustering, Data mining, Artificial intelligence, Statistics, Probability and Uncertainty, business, computer
Abstract: International audience; In this paper, we propose a novel evolutionary clustering method for temporal categorical data based on parametric links among multinomial mixture models. Besides clustering, our main goal is to interpret the evolutions of clusters over time. To this aim, first we propose the formulation of a generalized model that establishes parametric links among two multinomial mixture. Afterward, different parametric sub-models are defined in order to model typical evolutions of the clustering structure. Model selection criteria allow to select the best sub-models and thus to guess the clustering evolution.For the experiments, first we evaluate the proposed method with synthetic temporal data. Next, we apply it to analyze the annotated social media data. Results show that the proposed method is better than the state-of-the-art based on the common evaluation metrics. Additionally, it can provide interpretation about the temporal evolution of the clusters.
Published: 2017
Full Text: View/download PDF

40. Computing the Mutual Constrained Independence Model

Author: Delacroix, Thomas, Lenca, Philippe, Lallich, Stéphane, Lab-STICC_IMTA_CID_DECIDE, Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), Institut Mines-Télécom [Paris] (IMT)-IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-École Nationale d'Ingénieurs de Brest (ENIB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Centre National de la Recherche Scientifique (CNRS)-Université Bretagne Loire (UBL)-Institut Mines-Télécom [Paris] (IMT)-IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-École Nationale d'Ingénieurs de Brest (ENIB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Centre National de la Recherche Scientifique (CNRS)-Université Bretagne Loire (UBL), Département Logique des Usages, Sciences sociales et Sciences de l'Information (IMT Atlantique - LUSSI), IMT Atlantique Bretagne-Pays de la Loire (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), Equipe de Recherche en Ingénierie des Connaissances (ERIC), and Université Lumière - Lyon 2 (UL2)
Subjects: [MATH.MATH-PR]Mathematics [math]/Probability [math.PR], Independence model, [INFO.INFO-CY]Computer Science [cs]/Computers and Society [cs.CY], [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], Mutual constrained independence, Itemsets mining
Abstract: International audience; Developed for applications in itemset mining, the notion of Mutual Constrained Independence is a natural generalization of the notion of mutual independence. If the mutual independence model on a finite number of events can be seen as the least binding model for the probabilities of any finite intersection of these events, given the probabilities of each of these events, then the Mutual Constrained Independence Model on a finite number of events can be seen as the least binding model for the probabilities of any finite intersection of these events, given the probabilities of any number of such intersections of events. In this article, we present a first detailed and effective means of computing the Mutual Constrained Independence Model. We show the efficiency of our algorithm and the adequacy of the model by applying it to various examples. A test for the Mutual Constrained Independence Hypothesis is also presented.
Published: 2017

41. Tri des actualités sociales: État de l’art et Pistes de recherche

Author: Belkacem, Sami, Boukalfa, Kamel, Boussaïd, Omar, Université des Sciences et de la Technologie Houari Boumediene [Alger] (USTHB), Equipe de Recherche en Ingénierie des Connaissances (ERIC), and Université Lumière - Lyon 2 (UL2)
Subjects: [INFO.INFO-DB]Computer Science [cs]/Databases [cs.DB], ComputingMilieux_MISCELLANEOUS
Abstract: International audience
Published: 2017

42. Data Alteration: A Better Approach to Securing Cloud Data with Encryption

Author: Rhazlane, Sara, Ouazzani, Amina, Harbi, Nouria, Kabachi, Nadia, Badir, Hassan, Rhazlane, Sara, Entrepôts, Représentation et Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon, Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), and Université de Lyon-Université Lumière - Lyon 2 (UL2)
Subjects: [INFO.INFO-CR]Computer Science [cs]/Cryptography and Security [cs.CR], [INFO.INFO-MA] Computer Science [cs]/Multiagent Systems [cs.MA], ComputingMilieux_MISCELLANEOUS, [INFO.INFO-CR] Computer Science [cs]/Cryptography and Security [cs.CR]
Abstract: International audience; With the emergence of new technologies and the ubiquitous connecti-vity, large amounts of data are being generated everyday with the need to be stored properly and explored rapidly. In this context, the cloud computing services have been adopted to face these rising challenges. But in a cloud environment, data and the application are controlled by the service provider and the customer does not always have the possibility to increase the security level imposed. This leads users to apply encryption mechanisms before storing their data in the cloud. In this paper we propose a new approach that combines the strengths of both steganography and cryptography called Data Alteration. The technique aims to hide the data by modifying it completely as it remains readable, meaningful and therefore shows no suspicions to malicious cloud providers and pirates. The proposed appoach was implemented in Java and tested on realistic datasets in a multi agent systems based architecture.; Avec l’émergence de nouvelles technologies et la connectivité omniprésente, de grandes quantités de données sont générées chaque jour, il est nécessaire de les stocker correctement et de les explorer rapidement. Dans ce contexte, les services de cloud computing ont été adoptés pour faire face à ces défis croissants. Mais dans un environnement en nuage, les données et l'application sont contrôlées par le fournisseur de services et le client n'a pas toujours la possibilité d'augmenter le niveau de sécurité imposé. Cela conduit les utilisateurs à appliquer des mécanismes de cryptage avant de stocker leurs données dans le cloud. Dans cet article, nous proposons une nouvelle approche combinant les forces de la stéganographie et de la cryptographie appelée altération des données. La technique vise à masquer les données en les modifiant complètement, car elles restent lisibles, ont un sens et ne montrent donc aucune suspicion aux fournisseurs de cloud et aux pirates malveillants. L’application proposée a été mise en œuvre en Java et testée sur des ensembles de données réalistes dans une architecture à systèmes multi-agents.
Published: 2017

43. Le web politique au prisme de la science des données

Author: Olivesi, Aurélie, Boyadjian, Julien, Velcin, Julien, Equipe de recherche de Lyon en sciences de l'information et de la communication (ELICO), Sciences Po Lyon - Institut d'études politiques de Lyon (IEP Lyon), Université de Lyon-Université de Lyon-École nationale supérieure des sciences de l'information et des bibliothèques (ENSSIB), Université de Lyon-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université Jean Moulin - Lyon 3 (UJML), Université de Lyon-Université Lumière - Lyon 2 (UL2), Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), Université de Lille, CNRS, Centre d'Études et de Recherches Administratives, Politiques et Sociales (CERAPS) - UMR 8026, Equipe de recherche de Lyon en sciences de l'information et de la communication [ELICO], Entrepôts, Représentation et Ingénierie des Connaissances [ERIC], Université Lumière - Lyon 2 (UL2)-École nationale supérieure des sciences de l'information et des bibliothèques (ENSSIB), Université de Lyon-Université de Lyon-Sciences Po Lyon - Institut d'études politiques de Lyon (IEP Lyon), and Université de Lyon
Subjects: [SHS.INFO]Humanities and Social Sciences/Library and information sciences, science des données, big data, humanités numériques, réseaux sociaux, web politique, représentativité, méthodologie des sciences sociales, interdisciplinarity, méthodes actives, Data Science, Web Politique, Interdisciplinarity, Active Methods, data science, digital humanities, social networks, political web, representativeness, social science methodology, inter-disciplinarity, active methods, Political Web, Réseaux Sociaux Numériques, Social networks, Digital Humanities, Humanités Numériques, Big Data Analytics, Méthodes actives, Interdisciplinarité, Social Science Methodology, Méthodologie des Sciences Sociales, Inter-disciplinarity, Science des données, [SHS.GENRE]Humanities and Social Sciences/Gender studies, Representativeness, Représentativité
Abstract: Cet article interroge l’influence réciproque de la science des données et des sciences sociales pour analyser le Web politique. En fournissant des outils (partiellement) automatisés de collecte et d’analyse des corpus numériques, la science des données apporte une aide précieuse aux chercheurs en sciences sociales se trouvant confrontés aux problématiques du « big data ». Et par leur retour d’expérience et leurs usages critiques de ces outils, les chercheurs en sciences sociales contribuent à enrichir les résultats de la science des données. Ce croisement disciplinaire fait se confronter des méthodologies structurées de part et d’autre, notamment lors des phases de constitution du corpus, d’analyse des données et d’extrapolation des résultats. Pour chacune de ces étapes de la recherche, nous montrons les spécificités heuristiques et techniques des terrains numériques, les problèmes méthodologiques et épistémologiques qui leur sont intrinsèquement liés et la façon dont la science des données peut y répondre. In this introduction, we aim to examine how data science and social science can mutually help each other when it comes to analyzing the political Web. On the one hand, by developing (partially) automated tools for collecting and analyzing digital corpora, data scientists can provide valuable help to social scientists who have to deal with big data. Reciprocally, through their feedback on their experience and their critical uses of these tools, social scientists may enrich the results of data science. The structured methodologies of both disciplinary fields can thus enrich one another when building the research corpora, when analyzing the data and when extrapolating from the results. For each of these research stages, we aim to show what is heuristically and technically specific about research fields in digital spaces, what kind of methodological and epistemological problems they may raise, and how data science can provide solutions. n° 204;4
Published: 2017
Full Text: View/download PDF

44. Data Alteration: A Better Approach to Securing Cloud Data with Encryption

Author: Rhazlane, Sara, Ouazzani, Amina, Harbi, Nouria, Kabachi, Nadia, Badir, Hassan, EL ouazzani, Amina, Entrepôts, Représentation et Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon, Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), and Université de Lyon-Université Lumière - Lyon 2 (UL2)
Subjects: [INFO.INFO-CR]Computer Science [cs]/Cryptography and Security [cs.CR], [INFO.INFO-CR] Computer Science [cs]/Cryptography and Security [cs.CR]
Abstract: With the emergence of new technologies and the ubiquitous connecti-vity, large amounts of data are being generated everyday with the need to be stored properly and explored rapidly. In this context, the cloud computing services have been adopted to face these rising challenges. But in a cloud environment, data and the application are controlled by the service provider and the customer does not always have the possibility to increase the security level imposed. This leads users to apply encryption mechanisms before storing their data in the cloud. In this paper we propose a new approach that combines the strengths of both steganography and cryptography called Data Alteration. The technique aims to hide the data by modifying it completely as it remains readable, meaningful and therefore shows no suspicions to malicious cloud providers and pirates. The proposed appoach was implemented in Java and tested on realistic datasets in a multi agent systems based architecture., Avec l’émergence de nouvelles technologies et la connectivité omniprésente, de grandes quantités de données sont générées chaque jour, il est nécessaire de les stocker correctement et de les explorer rapidement. Dans ce contexte, les services de cloud computing ont été adoptés pour faire face à ces défis croissants. Mais dans un environnement en nuage, les données et l'application sont contrôlées par le fournisseur de services et le client n'a pas toujours la possibilité d'augmenter le niveau de sécurité imposé. Cela conduit les utilisateurs à appliquer des mécanismes de cryptage avant de stocker leurs données dans le cloud. Dans cet article, nous proposons une nouvelle approche combinant les forces de la stéganographie et de la cryptographie appelée altération des données. La technique vise à masquer les données en les modifiant complètement, car elles restent lisibles, ont un sens et ne montrent donc aucune suspicion aux fournisseurs de cloud et aux pirates malveillants. L’application proposée a été mise en œuvre en Java et testée sur des ensembles de données réalistes dans une architecture à systèmes multi-agents.
Published: 2017

45. ECSTRA-INSERM @ CLEF eHealth2016-task 2: ICD10 Code Extraction from Death Certificates

Author: Dermouche, Mohamed, Looten, Vincent, Flicoteaux, Rémi, Chevret, Sylvie, VELCIN, Julien, Taright, Namik, Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), Université Pierre et Marie Curie - Paris 6 (UPMC), ORS PACA, Biostatistique et épidemiologie clinique, Université Paris Diderot - Paris 7 (UPD7)-Institut National de la Santé et de la Recherche Médicale (INSERM), Entrepôts, Représentation et Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon, Service de médecine interne [Saint-Antoine], Université Pierre et Marie Curie - Paris 6 (UPMC)-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-CHU Saint-Antoine [AP-HP], Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU)-Sorbonne Université (SU), Velcin, Julien, CHU Saint-Antoine [AP-HP], and Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU)
Subjects: [INFO.INFO-AI] Computer Science [cs]/Artificial Intelligence [cs.AI], [INFO.INFO-TT] Computer Science [cs]/Document and Text Processing, cause of death extraction, text mining, ICD10 code assignment, [STAT.ML] Statistics [stat]/Machine Learning [stat.ML], [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], [INFO.INFO-TT]Computer Science [cs]/Document and Text Processing, topic models, machine learning, [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], [INFO.INFO-IR]Computer Science [cs]/Information Retrieval [cs.IR], [INFO.INFO-IR] Computer Science [cs]/Information Retrieval [cs.IR], natural language processing
Abstract: International audience; This paper describes the participation of ECSTRA-INSERM team at CLEF eHealth 2016, task 2.C. The task involves extracting ICD10 codes from death certificates, mainly described with short plain texts. We cast the task as a machine learning problem involving the prediction of the ICD10 codes (categorical variable) from the raw text transformed into a bag-of-words matrix. We rely on probabilistic topic models that we evaluate against classical classifiers such as SVM and Naive Bayes. We demonstrate the effectiveness of topic models for this task in terms of prediction accuracy and result interpretation.
Published: 2016

46. ClusPath: a temporal-driven clustering to infer typical evolution paths

Author: Stéphane Bonnevay, Stéphane Lallich, Marian-Andrei Rizoiu, Julien Velcin, Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), Entrepôts, Représentation et Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2)-Université Claude Bernard Lyon 1 (UCBL), and Université de Lyon-Université de Lyon
Subjects: FOS: Computer and information sciences, Computer Networks and Communications, Computer science, media_common.quotation_subject, Population, Evolutionary algorithm, 02 engineering and technology, computer.software_genre, Measure (mathematics), [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], Computer Science - Databases, [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], 020204 information systems, Computer Science - Data Structures and Algorithms, 0202 electrical engineering, electronic engineering, information engineering, Data Structures and Algorithms (cs.DS), Quality (business), Artificial Intelligence & Image Processing, Cluster analysis, education, media_common, Structure (mathematical logic), education.field_of_study, Databases (cs.DB), Partition (database), Computer Science Applications, Graph (abstract data type), 020201 artificial intelligence & image processing, Data mining, computer, Information Systems
Abstract: International audience; We propose ClusPath, a novel algorithm for detecting general evolution tendencies in a population of entities. We show how abstract notions, such as the Swedish socio-economical model (in a political dataset) or the companies fiscal optimization (in an economical dataset) can be inferred from low-level descriptive features. Such high-level regularities in the evolution of entities are detected by combining spatial and temporal features into a spatio-temporal dissimilarity measure and using semi-supervised clustering techniques. The relations between the evolution phases are modeled using a graph structure, inferred simultaneously with the partition, by using a "slow changing world" assumption. The idea is to ensure a smooth passage for entities along their evolution paths, which catches the long-term trends in the dataset. Additionally, we also provide a method, based on an evolutionary algorithm, to tune the parameters of ClusPath to new, unseen datasets. This method assesses the fitness of a solution using four opposed quality measures and proposes a balanced compromise .
Published: 2016
Full Text: View/download PDF

47. Complex organic molecules toward low-mass and high-mass star forming regions

Author: Favre, C., Ceccarelli, C., Bertrand Lefloch, Bergin, E., Carvajal, M., Brouillet, N., Despois, D., Jørgensen, J., Kleiner, I., Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), Karlsruhe Institute of Technology (KIT), Department of Astronomy [Ann Arbor], University of Michigan [Ann Arbor], University of Michigan System-University of Michigan System, FORMATION STELLAIRE 2016, Laboratoire d'Astrophysique de Bordeaux [Pessac] (LAB), Université de Bordeaux (UB)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National de la Recherche Scientifique (CNRS)-Université de Bordeaux (UB)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National de la Recherche Scientifique (CNRS), foreign laboratories (FL), CERN [Genève], Laboratoire Interuniversitaire des Systèmes Atmosphériques (LISA (UMR_7583)), Institut national des sciences de l'Univers (INSU - CNRS)-Université Paris Diderot - Paris 7 (UPD7)-Université Paris-Est Créteil Val-de-Marne - Paris 12 (UPEC UP12)-Centre National de la Recherche Scientifique (CNRS), Université Paris-Est Créteil Val-de-Marne - Paris 12 (UPEC UP12)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Paris Diderot - Paris 7 (UPD7)-Centre National de la Recherche Scientifique (CNRS), and Pomies, Marie-Paule
Subjects: astrochemistry, [SDU.ASTR.GA]Sciences of the Universe [physics]/Astrophysics [astro-ph]/Galactic Astrophysics [astro-ph.GA], [SDU.ASTR.GA] Sciences of the Universe [physics]/Astrophysics [astro-ph]/Galactic Astrophysics [astro-ph.GA], Submillimeter: ISM, ISM: molecules
Abstract: International audience; One of the most important questions in molecular astrophysics is how, when, and where complex organic molecules, COMs (≥ 6 atoms) are formed. In the Interstellar-Earth connection context, could this have a bearing on the origin of life on Earth? Formation mechanisms of COMs, which include potentially prebiotic molecules, are still debated and may include grain-mantle and/or gas-phase chemistry. Understanding the mechanisms that lead to the interstellar molecular complexification, along with the involved physicochemical processes, is mandatory to answer the above questions. In that context, active researches are ongoing in theory, laboratory experiment, chemical modeling and observations. Thanks to recent progress in radioastronomy instrumentation for both single-dish and millimeter array (e.g. Herschel, NOEMA, ALMA), new results have been obtained. I will review some notable results on the detection of COMs, including prebiotic molecules, towards star forming regions.
Published: 2016

48. Sécurisation des entrepôts de données contre les inférences précises et partielles

Author: Hanêne Ben-Abdallah, Nouria Harbi, Jamel Feki, Salah Triki, Rico, Fabien, Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), Multimedia, InfoRmation systems and Advanced Computing Laboratory (MIRACL), Faculté des Sciences Economiques et de Gestion de Sfax (FSEG Sfax), and Université de Sfax - University of Sfax-Université de Sfax - University of Sfax
Subjects: [INFO.INFO-CR]Computer Science [cs]/Cryptography and Security [cs.CR], Inférence de données, Entrepôt de données, Sécurité, Réseaux Bayésiens, [INFO.INFO-CR] Computer Science [cs]/Cryptography and Security [cs.CR], Information Systems
Abstract: International audience; Les entrepôts de données contiennent des données sensibles qui doivent être protégées contre les accès non autorisés, aussi bien directs que par inférence. Les accès directs sont contrôlables par des autorisations gérées par le serveur OLAP. Cependant, ce dernier n'offre pas de mécanismes pour protéger l'entrepôt contre deux types d'inférences : les inférences précises permettant la déduction de valeurs exactes des mesures, et les inférences partielles permettant d'avoir une idée grossière sur les valeurs des mesures. Dans cet article, nous proposons une approche pour la sécurisation des entrepôts de données qui, d'une part, interdit les inférences partielles dans le cas des requêtes utilisant la fonction d'agrégation Sum et, d'autre part, empêche les inférences précises dans le cas des requêtes utilisant les fonctions d'agrégation Min ou Max. Pour ce faire, nous exploitons les méthodes statistiques contre les inférences partielles, et les réseaux Bayésiens contre les inférences précises.
Published: 2011
Full Text: View/download PDF

49. Imprecise expectations for imprecise linear filtering

Author: Olivier Strauss, Agnès Rico, Equipe de Recherche en Ingénierie des Connaissances (ERIC), Université Lumière - Lyon 2 (UL2), Image & Interaction (ICAR), Laboratoire d'Informatique de Robotique et de Microélectronique de Montpellier (LIRMM), and Centre National de la Recherche Scientifique (CNRS)-Université de Montpellier (UM)-Centre National de la Recherche Scientifique (CNRS)-Université de Montpellier (UM)
Subjects: 0209 industrial biotechnology, Finite impulse response, 02 engineering and technology, Impulse (physics), Theoretical Computer Science, Linear time-invariant filtering, 020901 industrial engineering & automation, [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, Artificial Intelligence, 0202 electrical engineering, electronic engineering, information engineering, Infinite impulse response, Non-additive confidence measure, Impulse response, Mathematics, Expectation, business.industry, Applied Mathematics, Interval valued signal, Filter (signal processing), Choquet integral, 020201 artificial intelligence & image processing, Artificial intelligence, business, [SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing, Algorithm, Digital filter, Software, Linear filter
Abstract: International audience; In most sensor measure based applications, the raw sensor signal has to be processed by an appropriate filter to increase the signal-to-noise ratio or simply to recover the signal to be measured. In both cases, the filter output is obtained by convoluting the sensor signal with a supposedly known appropriate impulse response. However, in many real life situations, this impulse response cannot be precisely specified. The filtered value can thus be considered as biased by this arbitrary choice of one impulse response among all possible impulse responses considered in this specific context. In this paper, we propose a new approach to perform filtering that aims at computing an interval valued signal containing all outputs of filtering processes involving a coherent family of conventional linear filters. This approach is based on a very straightforward extension of the expectation operator involving appropriate concave capacities.
Published: 2010
Full Text: View/download PDF

50. On selecting interestingness measures for association rules: User oriented description and multiple criteria decision aid

Author: Stéphane Lallich, Philippe Lenca, Benoît Vaillant, Patrick Meyer, Lab-STICC_TB_CID_DECIDE, Laboratoire des sciences et techniques de l'information, de la communication et de la connaissance (Lab-STICC), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS)-École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-Télécom Bretagne-Institut Brestois du Numérique et des Mathématiques (IBNM), Université de Brest (UBO)-Université européenne de Bretagne - European University of Brittany (UEB)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Institut Mines-Télécom [Paris] (IMT)-Centre National de la Recherche Scientifique (CNRS), Département Logique des Usages, Sciences sociales et Sciences de l'Information (LUSSI), Université européenne de Bretagne - European University of Brittany (UEB)-Télécom Bretagne-Institut Mines-Télécom [Paris] (IMT), Traitement Algorithmique et Matériel de la Communication, de l'Information et de la Connaissance (TAMCIC), Ecole Nationale Supérieure des Télécommunications de Bretagne-Centre National de la Recherche Scientifique (CNRS), Faculté des Sciences, de la Technologie et de la Communication (Université du Luxembourg), Equipe de Recherche en Ingénierie des Connaissances (ERIC), and Université Lumière - Lyon 2 (UL2)
Subjects: Decision support system, Information Systems and Management, General Computer Science, Association rule learning, business.industry, Computer science, 02 engineering and technology, Management Science and Operations Research, computer.software_genre, Machine learning, Industrial and Manufacturing Engineering, Field (computer science), Task (project management), Set (abstract data type), Information extraction, [INFO.INFO-CY]Computer Science [cs]/Computers and Society [cs.CY], 020204 information systems, Modeling and Simulation, 0202 electrical engineering, electronic engineering, information engineering, Unsupervised learning, 020201 artificial intelligence & image processing, Artificial intelligence, Data mining, business, computer
Abstract: International audience; Data mining algorithms, especially those used for unsupervised learning, generate a large quantity of rules. In particular this applies to the APRIORI family of algorithms for the determination of association rules. It is hence impossible for anexpert in the field being mined to sustain these rules. To help carry out the task, many measures which evaluate the inter-estingness of rules have been developed. They make it possible to filter and sort automatically a set of rules with respect togiven goals. Since these measures may produce different results, and as experts have different understandings of what agoodrule is, we propose in this article a new direction to select thebestrules: a two-step solution to the problem of the recommendation of one or more user-adapted interestingness measures. First, a description of interestingness measures,based on meaningful classical properties, is given. Second, a multicriteria decision aid process is applied to this analysisand illustrates the benefit that a user, who is not a data mining expert, can achieve with such methods.
Published: 2008
Full Text: View/download PDF

Catalog

Books, media, physical & digital resources

See catalog results

Searchworks

Select search scope, currently: Articles Catalog books, media & more in Jio Institute collections Articles journal articles & other e-resources

Search

Search Constraints

Refine your results

Search Limiters

Topic

Publication Year Range

Language

Journal

Database

Publisher

203 results on '"Equipe de Recherche en Ingénierie des Connaissances (ERIC)"'

Search Results

Catalog

Select search scope, currently: Articles

Catalog

books, media & more in Jio Institute collections

Articles

journal articles & other e-resources