Un nouvel algorithme de génération des itemsets fermés fréquents

Huaiguo Fu

Résumé

Plusieurs travaux ont montré l'intérêt des treillis de concepts à 
l'analyse de données, la classification supervisée ou non supervisée, 
à la recherche documentaire, et plus récemment à la recherche des 
règles d'association. Cependant devant la taille des bases de données 
utilisées en fouille de données, l'usage des systèmes basés sur les 
treillis de concepts est rendu difficile à cause des problèmes de 
combinatoire inhérente à cette structure.

En utilisant le principe ``Diviser-pour-régner'', nous proposons 
un nouvel algorithme de génération des es itemsets fermés, nommé PFC. 
PFC décompose l'espace de recherche en partitions, et génère de 
manière indépendante les itemsets fermés pour chaque partition. 
Cette technique de décomposition et d'indépendance des partitions 
lui permet de gérer efficacement la mémoire centrale et les 
entrées/sorties pour être capable de traiter efficacement des 
contextes de données volumineux, bien évidemment à condition que 
le contexte de données tienne en mémoire centrale.