Approches connexionnistes pour la visualisation et la classification des données issues d'usages d'Internet
Auteur / Autrice : | Khalid Benabdeslem |
Direction : | Younès Bennani |
Type : | Thèse de doctorat |
Discipline(s) : | Informatique |
Date : | Soutenance en 2003 |
Etablissement(s) : | Paris 13 |
Mots clés
Mots clés contrôlés
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.