Approches connexionnistes pour la visualisation et la classification des données issues d'usages d'Internet

par Khalid Benabdeslem

Thèse de doctorat en Informatique

Sous la direction de Younès Bennani.

Soutenue en 2003

à Paris 13 .


  • Résumé

    La fouille de données, dans le domaine de la recherche, réponds à la problèmatique d'analyse des bases de données volumineuses. Le principe en est d'extraire de nouvelles connaissances là où la dimensionalité et la complexité dépassent la capacité d'analyse manuelle. La fouille de données est un processus interactif qui nécessite la coopération entre l'intuition des experts et la puissance des technologies modernes. La croissance accélérée du nombre d'utilisateurs d'Internet, représente une thématique particulière dans la fouille de données. Elle motive donc, fortement le développement des approches d'aide adaptative pour faciliter l'accés à l'information. L'objectif de notre étude est le développement des systèmes d'apprentissage connexionnistes pour réaliser d'une part des taches de classification visant à détecter des profils de comportement et d'autre part de reconnaissance basée sur l'évolution des traces de navigations des utilisateurs afin de détecter l'émergence de comportements caractéristiques d'un profil déjà connu par le système.

  • Titre traduit

    Connexionnist approach for visualization and clustening of web navigation data


  • Pas de résumé disponible.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 181 p.
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. f. 175-177

Où se trouve cette thèse ?

  • Bibliothèque :
  • Disponible pour le PEB
  • Cote : TH 2003 002
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.