Extraction objective et signifiante de motifs intéressants sur la base de leur fréquence

Meaningful objective frequency-based interesting pattern mining

• Auteur / Autrice : Thomas Delacroix
• Direction : Philippe Lenca
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 21/05/2021
• Etablissement(s) : Ecole nationale supérieure Mines-Télécom Atlantique Bretagne Pays de la Loire
• Ecole(s) doctorale(s) : École doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes)
• Partenaire(s) de recherche : Laboratoire : Equipe DECIDE - Département Logique des Usages, Sciences sociales et Sciences de l'Information - Laboratoire en sciences et techniques de l'information, de la communication et de la connaissance
• Jury : Président / Présidente : Jérôme Azé
• Jury : Examinateurs / Examinatrices : Philippe Lenca, Pascale Kuntz-Cosperec, Franck Vermet
• Jury : Rapporteurs / Rapporteuses : Jean-Paul Haton, Gilbert Saporta

Mots clés

Mots clés contrôlés

Entropie maximale, Méthode d'

Motifs (mathématiques)

Analyse des données

Mots clés libres

Extraction de motifs

Extraction d’itemsets

Intérêt des motifs

Signification des processus d'extraction

Maximum d'entropie

Indépendance contrainte mutuelle

Pattern mining

Itemset mining

Pattern interestingness

Meaningfulness of mining processes

Maximum entropy

Mutual constrained independance

Résumé

L'objet de cette thèse est l'étude des processus d'extraction d'informations objectives et intéressantes dans une base de données portant sur la fréquence de cooccurrence de différents attributs dans une population statistique (telles qu'utilisées en itemset mining notamment). On s'intéresse aux notions d’objectivité et de la signification des processus d'extraction. On relie la question de la signification d'un processus à celle de sa modélisation mathématique qui lui est sous-jacente, et on présente une étude détaillée des impacts, en terme de signification, des différents choix de modélisations que l'on peut opérer. Notre analyse fait ressortir la pertinence de l'utilisation de modèles de maximum d'entropie dans ces processus d'extraction. On présente une nouvelle construction mathématique de ces modèles, autour d'une notion d'indépendance contrainte, spécifiquement adaptée au contexte des itemsets. En s'appuyant sur cette construction et sur des outils de géométrie algébrique, on présente une approche exacte pour le calcul des modèles de maximum d'entropie.Enfin, en s'appuyant sur l'ensemble des recommandations sur la modélisation des processus d'extraction ainsi que sur la notion d'indépendance contrainte, on présente un nouvel algorithme d'extraction.

In this thesis, we study objective interesting pattern mining processes on datasets such as used in itemset mining. We focus on the notions of objectivity and meaningfulness in mining processes. We establish a link between the meaningfulness of a mining process and that of its corresponding mathematical modeling. We formulate a number of recommendations in terms of modeling choices for increasing both meaningfulness and objectivity. We also establish a link between the study of objective interesting pattern mining and the issue of the automation of scientific discovery.Our theoretical analysis exhibits the adequacy of considering maximum entropy models in such mining processes. We then proceed with presenting a novel mathematical construction for such models, based on a notion of constrained independence, which is specifically adapted to the itemset context. Based on this construction and on tools from algebraic geometry, we present an exact method for computing maximum entropy models. Last, based on our recommendations for the mathematical modeling of pattern mining processes and our notion of constrained independence, we present a new objective interesting pattern mining algorithm.