Lanalyse factorielle pour la construction de cubes de donnes complexes

1
EGC 2005
Atelier Fouille de données complexes
Lanalyse factorielle pour la construction de
cubes de données complexes
R. Ben Messaoud, S. Rabaseda, O. Boussaid
Laboratoire ERIC Université de Lyon 2 5, avenue
Pierre-MendèsFrance 69676, Bron Cedex
France http//eric.univ-lyon2.fr
2
Contexte

• Données complexes
• ? multiformats l'information est portée par
  des données de types différents (numériques,
  symboliques, textes, images, vidéos ...)
• multistructures les données peuvent être
  structurées, non structurées ou semi-structurées
  (BD, documents XML ...)
• multisources les données proviennent de
  différentes origines (bases de données réparties,
  web ...)
• multimodales un même phénomène est décrit par
  plusieurs canaux ou points de vue (données
  exprimées dans des échelles ou des langues
  différentes...)
• multiversions les données sont évolutives
  (bases de données temporelles, recensements
  périodiques...).
• http//bdd.univ-lyon2.fr

3
Problématique

• Données complexes un grand nombre de
  descripteurs
• Entreposage des données complexes des cubes
  avec un grand nombre de dimension
• Problème de dimensionnalité importante et
  déparsité des cubes complexes

• Problème de navigation et danalyse OLAP dans les
  cubes de données complexes
• Nécessité de disposer de nouveau outils pour
  lassistance à la navigation et a la
  visualisation dans un cube de données complexes
• Mise en évidence daxes danalyse et de régions
  pertinentes dans un cube

4
Proposition

• Démarche couplage OLAP et fouille de données
• Associer lOLAP à lanalyse factorielle pour
  projeter les faits dans de nouveau espaces de
  représentation des données

5
Proposition

• Créer de nouvelles  dimensions factorielles 
  correspondant aux axes fournis par la méthode
  factorielle (ACM ou ACP)
• ? Produire une meilleure visualisation qui résume
  et ajuste au mieux le nuage des faits
• ? Fournir une assistance pour guider
  lutilisateur aux zones intéressantes du cube
  et/ou à des axes danalyse pertinents
• ? Résoudre le problème de la grande
  dimensionnalité des cubes de données complexes

6
Points à résoudre

• Choix des meilleurs axes factoriels
• Pondération des faits par leurs mesures dans la
  construction des axes factoriels
• Problème des cubes hétérogènes avec des
  dimensions qualitatives et quantitatives
• Interprétation des nouvelles  dimensions
  factorielles 
• Construction du r-cube à partir du d-cube
• Indicateur de qualité pour apprécier le gain
  réalisé en terme dhomogénéité des cubes de
  données