Une Approche d Indexation Conceptuelle de Documents Basée sur les Graphes CP-Nets

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Une Approche d Indexation Conceptuelle de Documents Basée sur les Graphes CP-Nets"

Transcription

1 Tz-Ouzou, Algére 439 Une Approche d Indexaton Conceptuelle de Documents Basée sur les Graphes CP-Nets Fatha Boubekeur 1, 2, Mohand Boughanem 1, Lynda Tamne-Lechan 1 1 IRIT-SIG/RFI, Unversté Paul Sabater, Toulouse, France 2 Unversté Mouloud Mammer, Tz Ouzou, Algére Résumé. Ce paper décrt une approche d ndexaton conceptuelle basée sur les CP-Nets (Condtonal Preferences Networks). Nous proposons d'utlser le formalsme CP-Net comme langage d ndexaton afn de représenter les concepts et les relatons condtonnelles entre eux d'une manère relatvement compacte. Les noeuds du CP-Net sont les concepts représentatfs du contenu du document et les relatons entre ces nœuds exprment les assocatons condtonnelles qu les lent. Notre contrbuton porte sur un double aspect: d une part, nous proposons une approche d extracton des concepts en utlsant WordNet. Les concepts résultants forment les noeuds du CP-Net. D autre part, nous proposons d étendre et d utlser la technque de règles d'assocaton afn de découvrr les relatons condtonnelles entre les concepts nœuds du CP-Nets. Mots-clés: Recherche d nformaton, Indexaton conceptuelle, CP-Nets, WordNet, Règles d assocaton 1 Introducton Le but prncpal d'un système de recherche d'nformaton (SRI) est de retrouver l'nformaton pertnente pour une requête utlsateur. Requêtes et documents sont généralement exprmés par un ensemble de mots-clés (sacs de mots) smples sensés représenter au meux leurs contenus sémantques. Les termes sont automatquement extrats ou manuellement assgnés aux documents et aux requêtes. L évaluaton consste alors à apparer requête et documents pour retrouver les documents qu correspondent au meux à la requête. Une caractérstque clé de tels systèmes est que le degré d apparement de la requête et du document dépend du nombre de termes communs. Il est ben connu qu'une requête est habtuellement une descrpton vague et ncomplète du beson en nformaton de l utlsateur et les auteurs des documents utlsent un vocabulare très dversfé pour exprmer les mêmes concepts. Cec mène aux problèmes crucaux de dsparté des termes (term msmatch) et d'ambguïté en recherche d nformaton (RI). Ce paper trate ces problèmes en proposant une soluton au nveau de l'ndexaton des documents. Plus précsément, nous proposons d'utlser (1) l ontologe générale WordNet afn d dentfer les concepts représentatfs d'un document, (2) les règles d'assocaton pour découvrr des relatons

2 440 COSI 08 condtonnelles entre ces concepts, (3) les CP-Nets pour organser concepts et relatons en une représentaton graphque. Le formalsme CP-Net est utlsé comme langage d'ndexaton, pour deux rasons. D'abord, les CP-Nets offrent un cadre unfé pour organser de manère compacte et ntutve les concepts et les relatons qu les lent. Ensute, les CP-Nets permettent une représentaton plus rche des documents pusqu ls supportent les relatons contextuelles et sémantques entre concepts. Les concepts et les relatons assocées sont susceptbles de résoudre les problèmes de dsparté et d'ambguïté des termes et d amélorer ans les résultats de la RI. Le paper est structuré comme sut : en secton 2, nous présentons les problèmes que nous souhatons aborder, à savor la dsparté des termes et l'ambguïté en RI, ans que les travaux qu permettent d y apporter des solutons. Un résumé de notre contrbuton suvra. En secton 3, nous détallons notre approche d'ndexaton conceptuelle basée sur les CP-Nets. Une llustraton de notre approche est présentée en secton 4. La secton 5 conclut le paper. 2 Problématque La représentaton des documents et requêtes est un problème fondamental en RI. La plupart des modèles de RI classques utlsent touours la technque usuelle en sac de mots. Cette technque présente cependant deux nconvénents maeurs qu mènent à de mauvases performances du SRI: - La dsparté des termes: Les utlsateurs de SRI utlsent souvent pour décrre les concepts de leurs requêtes, des termes dfférents de ceux qu utlsent les auteurs pour décrre les mêmes concepts dans leurs documents. Ans, un document peut être pertnent même s l n utlse pas les mêmes mots que ceux de la requête. Cependant, dans les SRI classques, un document pertnent ne sera pas retrouvé en réponse à une requête s les représentatons du document et de la requête ne partagent pas au mons un terme [7]. C est ans par exemple qu un document sur la peur pourtant pertnent pour une requête sur la crante, ne sera pas retrouvé s le mot crante est absent de ce document. La dsparté des termes mplque un slence documentare. - L ambguïté: La plupart des SRI représente les documents et les requêtes par les termes qu'ls contennent. Cependant, les termes sont ambgus. Cette ambguïté est dvsée en homonyme et polyséme. L homonyme tradut la proprété qu ont certans termes à être représentés par une même chaîne de caractères, et assocés à dfférents sens. La polyséme est lée à la proprété qu ont certans termes à exprmer dfférents sens. The bark of a dog versus the bark of a tree est un exemple d homonyme, openng a door versus openng a book est un exemple de polyséme [7]. Dans les SRI classques, l'ambguïté mplque que des documents non pertnents sont retrouvés. Ans, un document qu trate de l aboement des chens (bark of dogs) sera retrouvé comme pertnent pour une requête portant sur l écorce des arbres (bark of trees) s le mot bark fgure dans le document et la requête. L ambguïté des termes mplque un brut documentare. Les SRI basés sur la technque classque en " sacs de mots " présentent ans de séreux problèmes au nveau performance du fat de leur ncapacté à trater avec l ambguïté de la langue et l mprécson sémantque des mots smples. Dans les

3 Tz-Ouzou, Algére 441 dernères décennes, de nombreux travaux de recherche en RI se sont orentés vers la prse en compte de la sémantque des mots dans le processus d ndexaton. Les méthodes utlsées sont sensées amélorer les performances d un SRI en termes de rappel et de précson en le rendant capable de trater avec l ambguïté des mots. Deux grandes tendances exstent : l ndexaton sémantque et l ndexaton conceptuelle. L'ndexaton sémantque se base sur des technques de désambguïsaton contextuelle des mots dans les documents et requêtes. L dée est que le sens d un mot est complètement détermné par les autres mots occurrant dans le même contexte. Yarowsky dans [11], assoce aux mots d ndex, des mots du contexte qu adent à détermner leur sens. Tands que Voorhees dans [10], en se basant sur WordNet comme outl de désambguïsaton des mots, calcule la dstance sémantque entre chaque synset (sens assocé dans WordNet) possble du mot à désambguïser avec les synsets des mots occurant dans la même phrase. Le synset qu est le plus proche des autres mots de la phrase est alors chos. L'ndexaton conceptuelle se base sur des concepts trés d'ontologes et de taxonomes pour ndexer les documents contrarement aux lstes de mots smples. Une ontologe souvent utlsée dans ce sens est l ontologe générale WordNet. Khan dans [6], utlsant la noton de concept, propose un algorthme permettant d'attacher les termes d'un texte aux concepts de l'ontologe en se basant sur la noton de régon d'ontologe et de dstance sémantque entre concepts. Une approche smlare est proposée dans [2], dans laquelle les termes d'un texte sont attachés aux concepts de Wordnet en se basant sur la noton de smlarté sémantque entre concepts. Un document est fnalement représenté par un réseau sémantque de concepts et de relatons sémantques entre eux. L'utlsaton des relatons entre termes est une ssue prometteuse pour de melleures performances de RI. Prncpalement, l utlsaton des relatons entre termes permet d amélorer le rappel du SRI, c.-à-d. le nombre de documents pertnents retrouvés. Le SRI retrouvera non seulement les documents qu contennent les mots de la requête mas également des documents contenant les mots qu sont en relaton avec les mots de la requête. Les relatons entre termes étant extrates d ontologes [6], [2], ou découvertes dans le contexte du document, au moyen de règles d'assocaton [5]. Nous proposons, dans ce paper, une approche d'ndexaton conceptuelle de documents basée sur les CP-Nets. Les nœuds du CP-Net sont des concepts. Les relatons du CP-Net tradusent des dépendances contextuelles entre concepts. Nous défnssons alors : (1) une approche d extracton des termes du document, (2) une formule de pondératon des termes tenant compte de leur sémantque, (3) une méthode de désambguïsaton des termes basée sur l'utlsaton de WordNet, (4) une approche pour découvrr les relatons contextuelles entre concepts par les règles d assocaton et (5) une approche pour combner les concepts et les relatons correspondantes dans une représentaton graphque compacte, à savor le CP-Net. 3 Approche d Indexaton Conceptuelle Basée sur les CP-Nets Nous utlsons WordNet et les règles d assocaton afn de construre le graphe CP- Net représentatf du document. Le processus d'ndexaton du document est effectué en quatre étapes prncpales. Nous les décrvons dans les paragraphes suvants.

4 442 COSI 08 Notons prélmnares. Le but du processus d'ndexaton est d'dentfer et d extrare les termes qu sont susceptbles de représenter le contenu sémantque du document. Les termes sont généralement représentés comme lstes de mots. La longueur d'un terme t notée t est alors défne comme le nombre de mots dans t. Un terme mono-mot consste en une lste d'un seul mot. Un mult-terme est une lste de pluseurs mots. Sot t un terme représenté comme lste de mots w, t = [ w1, w2, K, w n ]. Les éléments dans t peuvent être dentques, représentant dfférentes occurrences d'un même mot. On note w le ème mot dans t. Nous défnssons la poston du mot w dans la lste t comme sut: post ( w1 ) = 1; pos ( w+ 1 ) = post ( w ) + 1, = 1.. l. t Défnton 1. Soent L = [ w w, ], L [ y y, ] 1 1, 2, K w m 2 = 1, 2, K y n, deux lstes de mots données. L 2 est une sous lste de L 1 s la séquence de mots dans L 2 apparaît auss L sub L, p l s w L tel que p = pos et dans L 1. Formellement: 2 = ( 1, ) 1 ( w ), 0 ( l 1), w p + = y + 1. Soent t 1, t 2 deux termes donnés par les lstes de mots respectves L 1 et L 2 : t 2 est un sous-terme de t 1 s L 2 est une sous lste de L 1. t 1 est un sur-terme de t 2 t 2 est un sous-terme de t 1. Identfcaton des Termes du Document. Etant donné un document d, nous procédons dans cette étape à l extracton de l ensemble de ses termes représentatfs. Pour cela, et avant toute élmnaton de mots vdes, nous procédons à une analyse mot par mot du document d. Sot w, le prochan mot, non vde, à analyser dans d. On extrat de WordNet l ensemble S des termes C qu contennent (au sens ncluson de chaînes de caractères) le mot w. Sot donc S { C, C2,, C } = 1 K m cet ensemble. S est composé de mono et de mult-termes. On ordonne alors S comme sut : donc S = S = { C() 1, C( 2), K, C( m) } tel que ()=(1) (m), est une permutaton d ndces telle que m C() 1 C( 2) K C( ). Les termes ayant des longueurs égales sont ndfféremment placés l un à côté de l autre. Pour chaque élément C( ) de S, = 1..m, on note Pos la poston de w dans la lste de mots ( ) C ( w ) ( ) C. Sot ( ) pos la poston de d w w dans d. On appellera contexte relatf du mot w dans d par rapport au terme C ( ), la sous p = ( ) d pos w 1 C( ). On extrat alors le contexte relatf de w dans d, sot CH = sub(d, p,l) (Fgure 1), pus on compare les lstes de mots CH et C ( ). S CH C( ), le terme suvant chaîne de caractères CH = sub( d, p, l), l= C () et pos ( w ) C( +1 ) S est analysé, snon le terme t k = C( ), est dentfé. S t k recouvre totalement un ou pluseurs termes adacents le précédant (t k-1 à t, k-1), ces termes sont

5 Tz-Ouzou, Algére 443 élmnés de la descrpton du document. Le prochan mot de d à analyser est w, tel que pos ( w ) = p l. d + Fg. 1. Extracton du contexte relatf d un terme A l ssue de cette premère étape, nous aurons dentfé les termes t qu caractérsent le document d. En assocant chacun d eux à sa fréquence d occurrence, on obtent l ensemble T(d) = {( t 1,Occ 1 ), (t 2,Occ 2 ),, (t n,occ n ) / t d, Occ = Occ(t ) la fréquence d occurrence de t dans d, 1 n }. Pondératon des Termes d Index. La pondératon permet d assgner à chaque terme de l ndex son pods d mportance dans le document. Dans le cas des monotermes (mots smples), des varantes de tf*df sont utlsées. Le pods d un terme t dans le document d est alors exprmé par : W t,d = tf(t)*df(t), tf est la fréquence du N terme, df sa fréquence documentare nverse telle que df () t = log df () t, N étant le nombre de documents dans le corpus et df(t), fréquence documentare du terme t, le nombre de documents du corpus qu contennent t. Dans le cas des mult-termes, les approches de pondératon des termes proposées dans la lttérature s appuent en général sur une analyse statstque et/ou syntaxque. Globalement, l s agt d addtonner les fréquences de mots smples, ou multpler le nombre d'occurrences du terme par le nombre de mots smples qu l content. Bazz et al. dans [2], proposent de calculer la fréquence d un mult-terme t dans un document d, en addtonnant le nombre d occurrences du terme lu-même et le nombre d occurrences de ses sous - termes. Formellement, s sub(t ) est l ensemble de tous les sous-termes possbles t qu peuvent être dérvés de t, et long(t ) le nombre de mots dans t, alors : long( t ) tf () t = Occ() t + Occ( t ). t sub() t long () t Pour notre part, nous proposons une nouvelle approche de pondératon qu se base sur une analyse statstque et une analyse sémantque. Nous défnssons alors une varante de tf*df qu combne: (1) une mesure statstque des occurrences lexcales du terme lu-même, (2) une mesure statstque des occurrences lexcales du terme dans ses sur-termes, (3) une mesure probablste des occurrences du terme dans les sens de ses sous-termes. La formule proposée est défne comme sut : Sot T(d) l'ensemble des termes descrpteurs de d ; t, t' T(d) ; Sub (t) T(d) un sous-terme de t, et Sur (t) T(d) un sur-terme de t. On pose S(t) l'ensemble des concepts (synsets ou

6 444 COSI 08 sens) assocés à t dans WordNet et C un synset donné. Nous défnssons la probablté que t sot un sens possble de Sub (t) par : { ( ( )) } C S Sub t / t C (1) P(t S(Sub (t))) = S( Sub () t ) Le pods W t,d du terme t dans le document d est alors défn par: W t,d = tf(t) * df(t), tel que : W t, d = Occ( t) + Occ( Sur ( t)) + [ ( ( ) ( )] N P t S Sub ( t) Occ Sub ( t) *ln df ( t) Où : N est le nombre de documents dans le corpus, df(t) (fréquence documentare) est le nombre de documents du corpus qu contennent le terme t. L'ndex, Index(d), du document d sera construt sur la base des seuls termes dont les pods sont supéreurs à un seul fxé. Désambguïsaton des Termes. Tout terme t dans Index(d) peut avor pluseurs sens (synsets de WordNet) lu correspondant. Sot S { = C1, C2, K, Cn } l ensemble des synsets assocés au terme t. Ans, t possède S = n sens. Nous admettons que chaque terme contrbue à la représentaton du contenu de d avec seulement un sens. Ans, nous devons chosr, pour chaque t Index( d ), son melleur sens dans d. C est la désambguïsaton. Parm les dfférentes méthodes de désambguïsaton proposées dans la lttérature, nous nous sommes ntéressés à l'approche proposée dans [2] pour sa smplcté. Cette approche se base sur le calcul d un score (C_Score) pour chaque concept (ou sens) lé à un terme d'ndex. Ans, pour un terme t, le score de son ème sens, noté C est l donné par C _ Score( C ) = Dst( C, Ck ) l [ 1.. m] k [ 1.. n ] l l Où m est le nombre de termes dans Index(d), nl représente le nombre de sens de l Dst C, C est une mesure de smlarté WordNet propres à chaque terme tl et ( ) sémantque entre les concepts C et k (2) l C k telle que défne dans [9] et [8]. Le concept C qu maxmse le score est alors retenu comme melleur sens du terme t. Notre approche dffère prncpalement de celle en [2] dans la formule utlsée pour le calcul du score d un concept. En effet, nous pensons que l utlsaton de la seule smlarté sémantque entre concepts est nsuffsante pour détermner le melleur sens d'un terme car cette mesure est ndépendante du contexte (elle ne tent pas compte de la représentatvté des termes dans le contexte de document). Nous croyons que le melleur sens pour un terme t dans le document d est celu qu fortement corrélé avec les sens des termes mportants dans d. Pour cela, nous défnssons d'abord le pods

7 Tz-Ouzou, Algére 445 d'un concept (sens) C S, W = W C, d t, d C S comme pods du terme correspondant t : Nous proposons alors de calculer le score comme sut: Score C ( ) = [,.., m] l 1 1 k nl l W l ( C C ) l C, d WC, d Dst k, Le concept C m S tel que Score (C m ) = max (Score (C )) sera retenu comme melleur sens du terme t dans d. L ensemble des concepts retenus consttuera le noyau sémantque N(d) du document d. Représentaton CP-Net d un Document. Le but de cette étape est de construre l ndex conceptuel CP-Net. Les CP-Nets ont été ntroduts dans [4] comme outl de représentaton compacte des relatons de dépendances préférentelles condtonnelles entre des varables (caractérstques) données. Nous proposons d'utlser le formalsme CP-Net comme langage d'ndexaton, d une part car les CP-Nets supportent naturellement les dépendances contextuelles, d autre part les CP-Nets permettent une représentaton compacte des relatons sémantques et contextuelles entre concepts, dans un formalsme graphque unfé. Dans ce qu sut, nous décrvons le processus de constructon des noeuds et des relatons du CP-Net. Les Noeuds du CP-Net. Sot N ( d ) { C, C2,, } 1 K C n k (3) = le noyau sémantque du document d. Notre approche pour construre les noeuds du CP-Net est basée sur les prncpes suvants : - Les noeuds du CP-Net sont des varables attachées aux concepts C du noyau sémantque du document d. Dans ce qu sut, nous désgnerons une varable noeud du CP-Net par le concept correspondant. - Chaque varable C prend des valeurs dans l'ensemble Dom ( C ) = { C1, C2, C3,... }. - Chaque valeur dans Dom(C ) est un concept C N( d ) tel que C est un C (est-un défnt la relaton de subsumpton de WordNet). A l ssue de cette étape, nous aurons construt l ensemble η(d) = {(C, Dom(C )}, on notera plus smplement η(d) = {(X, Dom (X))}, des nœuds du CP-Net document. Les Relatons du CP-Net. Nous proposons d'utlser les règles d'assocaton pour découvrr les relatons contextuelles latentes entre les concepts noeuds du CP-Net. Les règles d assocaton furent ntalement ntrodutes dans [1], dans le but de générer les assocatons sgnfcatves entre ensembles d tems dans une base de données transactonnelle. Elles ont été utlsées en RI pour découvrr des relatons sgnfcatves entre termes d ndexaton [5]. Dans notre contexte, les règles d assocaton sont utlsées pour découvrr les relatons sgnfcatves entre concepts représentatfs du contenu d un document. Le formalsme des règles d'assocaton est alors étendu pour supporter les assocatons entre concepts. Le modèle formel est défn dans ce qu sut : sot η(d) = {(X, Dom(X))} l ensemble des concepts nœuds du X, Y η d. CP-Net document. ( )

8 446 COSI 08 Défnton 2. Une règle d'assocaton sémantque entre les concepts X et Y, notée X Y, est défne comme sut : sem ( X ) Y Dom ( Y ) X Y X sem Y X Dom, /, tel que X Y est une assocaton entre les termes X et Y. La sgnfcaton ntutve de la règle X sem Y est que s un document porte sur (s about) le concept X, l tend également à porter sur le concept Y. L aboutness du document exprme le focus de son contenu. Cette nterprétaton s applquant auss à la règle X Y. Ans, la règle R : X Y exprme la probablté que le document sot autour de Y sachant qu l est autour de X. La confance assocée à R se rapporte alors au degré d mportance de Y dans le document d, sachant le degré d mportance de X dans d. Elle est formellement défne dans ce qu sut. Défnton 3. La confance de la règle Confance ( R) Support = Support R : X Y est formellement donnée par: ( X Y ) ( X ) mn = ( W W ) X, d, Défnton 4. La confance de la règle d assocaton sémantque Rsem : X sem Y est défne comme sut: Confance( X ) sem Y = max Confance R : X X, ( ) ( ) X Dom X, Y Dom Y Remarque. Confance ( X Y ) sem est touours égale 1. Dans notre contexte, le support de la règle d assocaton sémantque X sem Y se rapporte à la proporton de règles d assocatons Y X Dom X et X ( ( ) Y Dom( Y ), qu ont une confance supéreure ou égale à un seul mnmal de W X, d Y, d confance mnconf=1. Le support est formellement défn dans ce qu sut. Défnton 5. Le support de la règle R : X Y est donné par: Support ( R) = sem { X Y / Confance( X Y ) mn conf } { X Y, ( X, Y ) Dom( X ) Dom( Y )} Nous proposons de découvrr les relatons entre concepts de η(d) au moyen de règles d'assocaton sémantques. Les règles d'assocaton sémantques sont basées, dans notre contexte, sur les prncpes suvants: (1) une transacton est un document, (2) les tems sont les valeurs des concepts noeuds du CP-Net (3) un temset est un concept représentant un nœud du CP-Net, (4) une règle d assocaton X Y défnt dans le CP-Net, un arc orenté du noeud X vers le sem

9 Tz-Ouzou, Algére 447 noeud Y. En utlsant les règles d'assocaton, nous vsons la constructon d une structure hérarchque condtonnelle du focus du contenu de document. C'est-à-dre que nous vsons à structurer des concepts décrvant le document, dans une hérarche condtonnelle correspondant à la sémantque des règles d assocaton extrates. Le problème de découverte des règles d'assocaton entre les concepts est dvsé en deux étapes, suvant le prncpe de l'algorthme A-pror (ntrodut en [1]). D abord dentfer les 1-temsets fréquents, correspondant à des concepts fréquents. Un concept fréquent est dans notre contexte, un concept qu a un pods plus grand qu'un seul mnmum fxé. Ensute, extrare les règles d assocatons entre les temsets fréquents. L'obectf est de ne garder que les seules règles qu ont un support et une confance supéreurs à un seul mnmal de support mnsup et un seul mnmal de confance mnconf respectvement. Des problèmes peuvent surgr lors de la découverte des règles d'assocaton, tels que les redondances et les cycles. Les règles redondantes découlent généralement des proprétés transtves : X sem Y, Y sem Z et X sem Z. Pour élmner la redondance, nous proposons de construre la couverture mnmale de l'ensemble de règles extrates (l s agt de l ensemble mnmal de règles d assocaton non transtves). L'exstence des cycles dans le graphe est due à la découverte smultanée des règles d'assocaton X sem Y et Y sem X, ou des règles d'assocaton telles que X sem Y, Y sem Z et Z sem X. Pour résoudre ce problème, nous élmnons la règle de plus fable support parm celles qu ont condut au cycle. Dans le cas de support égal, nous élmnons aléatorement une règle dans le cycle. Une fos le CP-Net construt, les noeuds du CP- Net sont annotés par une table ncondtonnelle notée CPT(Y) dont les valeurs défnssent les pods (ncondtonnels) d mportance des termes dans le document correspondant : ( X ), CPT ( X ) = W X d (4) X Dom, 4 Illustraton Sot d ((Toulouse, 0.9), (Pars, 0.5), (Center, 0.1), (Studo, 0.4), (Suburbs, 0.7)...) un document décrt par les concepts pondérés donnés. Toulouse et Pars appartennent au domane de valeurs du concept noeud Cty. De même, Center et Suburbs appartennent au domane du concept nœud Place, tands que Studo est assocé au concept noeud Housng. Ans η(d) = {(Cty, Dom (Cty)), (Place, Dom(Place)), (Housng, Dom(Housng))}/ Dom(Cty) ={Toulouse, Pars}, Dom(Place) = {Suburbs, Center}, Dom(Housng) = {Studo}. Nous vsons à découvrr des assocatons entre les noeuds Cty, Housng, et Place. L applcaton de l'algorthme Apror mène à: (1) l extracton des temsets fréquents, et (2) la génératon des règles d'assocaton entre les 1-temsets fréquents. Nous nous ntéressons aux relatons entre les concepts ndvduels dans le document (plutôt qu'entre les ensembles de concepts), ans nous calculons seulement les k- temsets pour k = 1, 2. En supposant un seul mnmum de support mnsup = 0.1, les k-temsets (k = 1, 2) fréquent extrats sont donnés en Table 1. Support(Center) <

10 448 COSI 08 mnsup, ans le 1-temset Center n'est pas fréquent, l est alors élmné. Les règles d'assocaton extrates sont données en Table 2. Table 1. Gératon des k-temsets fréquents 1-temset fréquent 2-temsets fréquents Itemset Support Toulouse 0.9 Pars 0.5 Center 0.1 Suburbs 0.7 Studo 0.4 Toulouse, Studo 0.4 Toulouse, Suburbs 0.7 Pars, Studo 0.4 Pars, Suburbs 0.5 Studo, Suburbs 0.4 Table 2. Les règles d assocaton découvertes R 1 : Toulouse Studo R 3 : Toulouse Suburbs R 5 : Pars Studo R 7 : Pars Suburbs R 9 : Studo Suburbs R 2 : Studo Toulouse R 4 : Suburbs Toulouse R 6 : Studo Pars R 8 : Suburbs Pars R 10 : Suburbs Studo En applquant la formule donnée en défnton 3, les confances des règles produtes sont calculées condusant aux résultats de la Table 3. Table 3. Confances des règles d assocaton générées R R 1 R 3 R 5 R 7 R 9 Confance(R ) R 2 R 4 R 6 R 8 R S nous supposons un seul de confance mnmal mnconf =1, nous retenons seulement les règles dont la confance est supéreure ou égale à mnconf. Les règles ans sélectonnées sont données en Table 4. Ces règles sont d abord utlsées pour construre les règles d assocaton sémantques qu correspondent aux relatons entre les noeuds du CP-Net. Ans, on dédut : - de R 2 : Studo Toulouse et R 6 : Studo Pars: Housng sem Cty - de R 4 : Suburbs Toulouse : Place sem Cty - de R 7 : Pars Suburbs : Cty sem Place - de R 9 : Studo Suburbs : Housng sem Place

11 Tz-Ouzou, Algére 449 Nous calculons alors le support de chaque règle sémantque. Les résultats sont donnés en Table 5. Table 4. Règles d assocaton sélectonnées R 2 : Studo Toulouse R 4 : Suburbs Toulouse R 6 : Studo Pars R 7 : Pars Suburbs R 9 : Studo Suburbs Table 5. Supports des règles d assocaton sémantques Housng sem Cty 1 Place sem Cty 0.5 Ct y sem Place 0.5 Housng sem Place 1 Nous retenons évdemment les règles Housng sem Cty et Housng sem Place dont le support égale 1. Deux assocatons exstent entre les concepts Cty et Place avec un même support. Nous gardons aléatorement l une des deux règles correspondantes. Supposons Place sem Cty est retenue. Il est clar que retenr les tros règles ans obtenues mènerat à un cycle dans le graphe CP-Net. Pour évter cec, nous élmnons la règle la plus fable (C est à dre possédant le plus pett support), sot Place sem Cty. En concluson, les seules règles sémantques sélectonnées sont les suvantes: Housng sem Cty et Housng sem Place. Les tables CPT sont alors assocées aux nœuds correspondants, en utlsant la formule (4), ce qu mène au CP-Net document donné en Fgure 2. Fg. 2. Le CP-Net document 5 Concluson Nous avons présenté dans ce paper, une approche d ndexaton conceptuelle basée sur les CP-Nets. Le formalsme CP-Net supporte naturellement concepts et assocatons contextuelles entre concepts, permettant ans une représentaton plus rche et plus précse des documents. Cec est susceptble de résoudre les problèmes de dsparté et d'ambguïté des termes en RI. En vue de paller ces problèmes, nous

12 450 COSI 08 avons tenté de présenter des défntons formelles de contexte de terme, de conceptnoeud, de relaton entre concepts-noeuds, et de règles d'assocaton sémantques. Nous avons également présenté des technques en vue d une ndexaton conceptuelle graphque des documents. Notre contrbuton porte sur deux aspects prncpaux. Le premer consste en l ndexaton conceptuelle basée sur l'ontologe WordNet. L'approche n'est certes pas nouvelle mas nous avons proposé de nouvelles technques pour dentfer, pondérer et désambguïser les termes. Le deuxème aspect de notre contrbuton consste en une nouvelle approche d'organsaton et de représentaton de l ndex conceptuel d un document, en un graphe compact basé sur le formalsme CP- Net. Pour découvrr les assocatons entre concepts nous avons proposé une varante des règles d'assocaton à savor les règles d assocaton sémantques. Les règles d'assocaton sémantques entre concepts permettent la découverte de relatons dépendantes du contexte mplquant une représentaton plus expressve du document. En perspectve, nous proetons de valder emprquement notre approche sur une collecton de test de RI. Références 1. Agrawal R., Imelnsk T., Swam A. : «Mnng assocaton rules between sets of tems n large databases», In Proceedngs of the ACMSIGMOd Conference on Management of data, Washngton, USA, ACM Press, 1993, (p ). 2. Bazz M., Boughanem M., Aussenac-Glles N. : «The Use of Ontology for Semantc Representaton of documents», In The 2nd Semantc Web and Informaton Retreval workshop(swir), SIGIR 2004, Sheffeld UK., Yng dng, Keth van Rsbergen, Iad Ouns, Joemon Jose (Eds.), 2004, (p ). 3. Boubekeur F., Boughanem M., Tamne L. : «Towards Flexble Informaton Retreval Based on CP-Nets». Dans : Flexble Query Answerng (FQAS), Mlan, Itale, 07/01/06-10/06/06, Henrk Legnd Larsen, Gabrella Pas, Danel Ortz-Arroyo (Eds.), World Scentfc Publshng, Advances n Artfcal Intellgence, p , un Boutler C., Brafman R., Hoos H., Poole D. : «Reasonng wth Condtonal Ceters Parbus Preference Statements», In Proceedngs of UAI-1999, (p.71 80). 5. Haddad M.H. : Extracton et Impact des connassances sur les performances des Systèmes de Recherche d'informaton, Thèse de Doctorat en Informatque de L'Unversté Joseph Fourer, Grenoble, Khan L.R: Ontologe-based Informaton Selecton, Phd Thess, Faculty of the Graduate School, Unversty of Southern Calforna, Krovetz R.: «Homonomy and Polysemy n Informaton Retreval», In the Proceedngs of the COLING/ACL '97 conference. 8. Ln D.: «An nformaton-theoretc defnton of smlarty», In Proceedngs of 15th Internatonal Conference On Machne Learnng, Resnk P. : «Semantc Smlarty n a Taxonomy: An Informaton-Based Measure and ts Applcaton to Problems of Ambguty n Natural Language», Journal of Artfcal Intellgence Research (JAIR), 11, 1999, (p ). 10. Voorhees E.M.: «Usng WordNet to dsambguate Word Senses for Text Retreval», In Proceedngs of the 16thAnnual Conference on Research and development n Informaton Retreval, SIGIR'93, Pttsburgh, PA, Yarowsky D. : «Unsupervsed word sense dsambguaton rvalng supervsed methods», In 33rd Annual Meetng, Assocaton for Computatonal Lngustcs, Cambrdge, Massachusetts, USA, 1995, (p ).

Contribution à la définition de modèles de recherche d information flexibles basés sur les CP-Nets

Contribution à la définition de modèles de recherche d information flexibles basés sur les CP-Nets Contrbuton à la défnton de modèles de recherche d nformaton flexbles basés sur les CP-Nets Fatha Boubekeur To cte ths verson: Fatha Boubekeur. Contrbuton à la défnton de modèles de recherche d nformaton

Plus en détail

METHODE AUTOMATIQUE POUR CORRIGER LA VARIATION LINGUISTIQUE LORS DE L INTERROGATION DE DOCUMENTS XML DE STRUCTURES HETEROGENES

METHODE AUTOMATIQUE POUR CORRIGER LA VARIATION LINGUISTIQUE LORS DE L INTERROGATION DE DOCUMENTS XML DE STRUCTURES HETEROGENES METHODE AUTOMATIQUE POUR CORRIGER LA VARIATION LINGUISTIQUE LORS DE L INTERROGATION DE DOCUMENTS XML DE STRUCTURES HETEROGENES Ourda Boudghaghen(*),Mohand Boughanem(**) yugo_doudou@yahoo.fr, bougha@rt.fr

Plus en détail

Proposition d'une solution au problème d initialisation cas du K-means

Proposition d'une solution au problème d initialisation cas du K-means Proposton d'une soluton au problème d ntalsaton cas du K-means Z.Guelll et L.Zaou, Unversté des scences et de la technologe d Oran MB, Unversté Mohamed Boudaf USTO -BP 505 El Mnaouer -ORAN - Algére g.zouaou@gmal.com,

Plus en détail

classification non supervisée : pas de classes prédéfinies Applications typiques

classification non supervisée : pas de classes prédéfinies Applications typiques Qu est ce que le clusterng? analyse de clusterng regroupement des obets en clusters un cluster : une collecton d obets smlares au sen d un même cluster dssmlares au obets appartenant à d autres clusters

Plus en détail

Les jeunes économistes

Les jeunes économistes Chaptre1 : les ntérêts smples 1. défnton et calcul pratque : Défnton : Dans le cas de l ntérêt smple, le captal reste nvarable pendant toute la durée du prêt. L emprunteur dot verser, à la fn de chaque

Plus en détail

Mesure avec une règle

Mesure avec une règle Mesure avec une règle par Matheu ROUAUD Professeur de Scences Physques en prépa, Dplômé en Physque Théorque. Lycée Alan-Fourner 8000 Bourges ecrre@ncerttudes.fr RÉSUMÉ La mesure d'une grandeur par un système

Plus en détail

Apprentissage incrémental dans un système de filtrage adaptatif

Apprentissage incrémental dans un système de filtrage adaptatif VSST'200 32 TEXTES DES COMMUNICATIONS - Tome I Apprentssage ncrémental dans un système de fltrage adaptatf Mohand BOUGHANEM, Mohamed TMAR boughane@rt.fr, tmar@rt.fr IRIT/SIG, Campus Unv. Toulouse III,

Plus en détail

Combinaison de dires d'experts en élicitation de lois a priori. pour Listeria chez la souris. Exposé AppliBugs

Combinaison de dires d'experts en élicitation de lois a priori. pour Listeria chez la souris. Exposé AppliBugs Combnason de dres d'experts en élctaton de los a pror. Applcaton à un modèle doseréponse pour Lstera chez la sours. Exposé ApplBugs ISABELLE ALBERT 8 / / 03 INTRODUCTION Cet exposé présente une parte du

Plus en détail

Le théorème du viriel

Le théorème du viriel Le théorème du vrel On se propose de démontrer le théorème du vrel de deux manères dfférentes. La premère fat appel à deux "trcks" qu l faut vor. Cette preuve met en avant une quantté, notée S c, qu permet

Plus en détail

Information mutuelle et partition optimale du support d une mesure de probabilité

Information mutuelle et partition optimale du support d une mesure de probabilité Informaton mutuelle et partton optmale du support d une mesure de probablté Bernard Coln et Ernest Monga Département de Mathématques Unversté de Sherbrooke Sherbrooke JK-R (Québec) Canada bernard.coln@usherbrooke.ca

Plus en détail

MÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES

MÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES MÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES Émle Garca, Maron Le Cam et Therry Rocher MENESR-DEPP, bureau de l évaluaton des élèves Cet artcle porte sur les méthodes de

Plus en détail

En vue de l'obtention du. Présentée et soutenue par Elayeb Bilel Le 26 juin 2009

En vue de l'obtention du. Présentée et soutenue par Elayeb Bilel Le 26 juin 2009 THÈSE En vue de l'obtenton du DOCTORAT DE L UNIVERSITÉ DE TOULOUSE Délvré par Insttut Natonal Polytechnque de Toulouse (INPT) Dscplne ou spécalté : Informatque Présentée et soutenue par Elayeb Blel Le

Plus en détail

Contrats prévoyance des TNS : Clarifier les règles pour sécuriser les prestations

Contrats prévoyance des TNS : Clarifier les règles pour sécuriser les prestations Contrats prévoyance des TNS : Clarfer les règles pour sécurser les prestatons Résumé de notre proposton : A - Amélorer l nformaton des souscrpteurs B Prévor plus de souplesse dans l apprécaton des revenus

Plus en détail

Assurance maladie et aléa de moralité ex-ante : L incidence de l hétérogénéité de la perte sanitaire

Assurance maladie et aléa de moralité ex-ante : L incidence de l hétérogénéité de la perte sanitaire Assurance malade et aléa de moralté ex-ante : L ncdence de l hétérogénété de la perte santare Davd Alary 1 et Franck Ben 2 Cet artcle examne l ncdence de l hétérogénété de la perte santare sur les contrats

Plus en détail

Modélisation des Réseaux Ad hoc par Graphes

Modélisation des Réseaux Ad hoc par Graphes SETIT 009 5 th Internatonal Conference: Scences of Electronc, Technologes of Informaton and Telecommuncatons March -6, 009 TUNISIA Modélsaton des Réseaux Ad hoc par Graphes M hamed Abdelmadd ALLALI et

Plus en détail

LA RENOVATION DE L INDICE HARMONISE DES PRIX A LA CONSOMMATION DANS LA ZONE UEMOA

LA RENOVATION DE L INDICE HARMONISE DES PRIX A LA CONSOMMATION DANS LA ZONE UEMOA Observatore Economque et Statstque d Afrque Subsaharenne LA RENOVATION DE L INDICE HARMONISE DES PRIX A LA CONSOMMATION DANS LA ZONE UEMOA Une contrbuton à la réunon commune CEE/BIT sur les ndces des prx

Plus en détail

Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3 UE LM364 Intégration 1 Année 2011 12. TD4. Tribus.

Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3 UE LM364 Intégration 1 Année 2011 12. TD4. Tribus. Unversté Perre & Mare Cure (Pars 6) Lcence de Mathématques L3 UE LM364 Intégraton 1 Année 2011 12 TD4. Trbus. Échauffements Exercce 1. Sot X un ensemble. Donner des condtons sur X pour que les classes

Plus en détail

Informations de l'unité d'enseignement Implantation. Cursus de. Intitulé. Code. Cycle 1. Bloc 2. Quadrimestre 1. Pondération 4. Nombre de crédits 4

Informations de l'unité d'enseignement Implantation. Cursus de. Intitulé. Code. Cycle 1. Bloc 2. Quadrimestre 1. Pondération 4. Nombre de crédits 4 Informatons de l'unté d'ensegnement Implantaton Cursus de Inttulé Code ECAM Insttut Supéreur Industrel Bacheler en Scences ndustrelles Outls de communcaton B2050 Cycle 1 Bloc 2 Quadrmestre 1 Pondératon

Plus en détail

Editions ENI. Project 2010. Collection Référence Bureautique. Extrait

Editions ENI. Project 2010. Collection Référence Bureautique. Extrait Edtons ENI Project 2010 Collecton Référence Bureautque Extrat Défnton des tâches Défnton des tâches Project 2010 Sasr les tâches d'un projet Les tâches représentent le traval à accomplr pour attendre l'objectf

Plus en détail

Atelier 2 La recherche d information personnalisée sur le Web

Atelier 2 La recherche d information personnalisée sur le Web Ateler 2 La recherche d nformaton personnalsée sur le Web Mare-Aude Aufaure, Hajer Baazaou Zghal, Yves Lechevaller et Chrstophe Claramunt Ateler Recherche d Informaton Personnalsée sur le WEB Mare-Aude

Plus en détail

10.1 Inférence dans la régression linéaire

10.1 Inférence dans la régression linéaire 0. Inférence dans la régresson lnéare La régresson lnéare tente de modeler le rapport entre deux varables en adaptant une équaton lnéare avec des données observées. Chaque valeur de la varable ndépendante

Plus en détail

Mailing. Les étapes de conception d un mailing. Créer un mailing

Mailing. Les étapes de conception d un mailing. Créer un mailing Malng Malng Word 2011 pour Mac Les étapes de concepton d un malng Le malng ou publpostage permet l envo en nombre de documents à des destnatares répertorés dans un fcher de données. Cette technque sous-entend

Plus en détail

DEA de physique subatomique Corrigé de l examen d analyse statistique des données et de modélisation session de février - année 2002-2003

DEA de physique subatomique Corrigé de l examen d analyse statistique des données et de modélisation session de février - année 2002-2003 DEA d physqu subatomqu Corrgé d l xamn d analys statstqu ds donnés t d modélsaton ssson d févrr - anné 22-23 Jérôm Baudot sur 45 ponts I- Errur sur la msur d un asymétr avant-arrèr ponts I-a La formul

Plus en détail

hal-00409942, version 1-14 Aug 2009

hal-00409942, version 1-14 Aug 2009 Manuscrt auteur, publé dans "MOSIM' 008, Pars : France (008)" 7 e Conférence Francophone de MOdélsaton et SIMulaton - MOSIM 08 - du mars au avrl 008 - Pars - France «Modélsaton, Optmsaton et Smulaton des

Plus en détail

- Equilibre simultané IS/LM : Pour déterminer le couple d équilibre général, il convient de résoudre l équation IS = LM.

- Equilibre simultané IS/LM : Pour déterminer le couple d équilibre général, il convient de résoudre l équation IS = LM. Exercce n 1 Cet exercce propose de détermner l équlbre IS/LM sur la base d une économe dépourvue de présence étatque. Pour ce fare l convent, dans un premer temps de détermner la relaton (IS) marquant

Plus en détail

Note méthodologique. Traitements hebdomadaires Quiestlemoinscher.com. Quelle méthode de collecte de prix? Qui a collecté les prix?

Note méthodologique. Traitements hebdomadaires Quiestlemoinscher.com. Quelle méthode de collecte de prix? Qui a collecté les prix? Note méthodologque Tratements hebdomadares Questlemonscher.com Quelle méthode de collecte de prx? Les éléments méthodologques ont été défns par le cabnet FaE onsel, socété d études et d analyses statstques

Plus en détail

Plan. Gestion des stocks. Les opérations de gestions des stocks. Les opérations de gestions des stocks

Plan. Gestion des stocks. Les opérations de gestions des stocks. Les opérations de gestions des stocks Plan Geston des stocks Abdellah El Fallah Ensa de Tétouan 2011 Les opératons de gestons des stocks Les coûts assocés à la geston des stocks Le rôle des stocks Modèle de la quantté économque Geston calendare

Plus en détail

Corrélation et régression linéaire

Corrélation et régression linéaire Corrélaton et régresson lnéare 1. Concept de corrélaton. Analyse de régresson lnéare 3. Dfférences entre valeurs prédtes et observées d une varable 1. Concept de corrélaton L objectf est d analyser un

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2015 2016. Statistiques Descriptives

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2015 2016. Statistiques Descriptives UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année unverstare 215 216 L1 Économe Cours de B. Desgraupes Statstques Descrptves Séance 7: Indces synthétques Table des matères 1 Introducton 1 1.1

Plus en détail

Définition des tâches

Définition des tâches Défnton des tâches Défnton des tâches Project 2010 Sasr les tâches d'un projet Les tâches représentent le traval à accomplr pour attendre l'objectf du projet. Elles représentent de ce fat, les éléments

Plus en détail

Algorithme approché d optimisation d un modèle de Processus Décisionnel de Markov sur Graphe

Algorithme approché d optimisation d un modèle de Processus Décisionnel de Markov sur Graphe Algorthme approché d optmsaton d un modèle de Processus Décsonnel de Markov sur Graphe Nathale Peyrard Régs Sabbadn INRA-MIA Avgnon et Toulouse E-Mal: {peyrard,sabbadn}@toulouse.nra.fr Réseau MSTGA, Avgnon,

Plus en détail

EH SmartView. Identifiez vos risques et vos opportunités. www.eulerhermes.be. Pilotez votre assurance-crédit. Services en ligne Euler Hermes

EH SmartView. Identifiez vos risques et vos opportunités. www.eulerhermes.be. Pilotez votre assurance-crédit. Services en ligne Euler Hermes EH SmartVew Servces en lgne Euler Hermes Identfez vos rsques et vos opportuntés Plotez votre assurance-crédt www.eulerhermes.be Les avantages d EH SmartVew L expertse Euler Hermes présentée de manère clare

Plus en détail

Ch 4 Séries statistiques à une dimension Définitions et représentation graphique

Ch 4 Séries statistiques à une dimension Définitions et représentation graphique Ch 4 Séres statstques à une dmenson Défntons et représentaton graphque Termnologe Ensemble étudé = populaton Eléments de cet ensemble = ndvdus ou untés Attrbut consdéré = caractère qu peut être qualtatf

Plus en détail

Le raisonnement incertain

Le raisonnement incertain 1 Plan général 2 Le rasonnement ncertan dans les systèmes experts I- Introducton aux systèmes experts II- Fondements : organsaton et fonctonnement des SE III- Le rasonnement ncertan Introducton Antone

Plus en détail

Utilisation du symbole

Utilisation du symbole HKBL / 7 symbole sgma Utlsaton du symbole Notaton : Pour parler de la somme des termes successfs d une sute, on peut ou ben utlser les pontllés ou ben utlser le symbole «sgma» majuscule noté Par exemple,

Plus en détail

Calculer le coût amorti d une obligation sur chaque exercice et présenter les écritures dans les comptes individuels de la société Plumeria.

Calculer le coût amorti d une obligation sur chaque exercice et présenter les écritures dans les comptes individuels de la société Plumeria. 1 CAS nédt d applcaton sur les normes IAS/IFRS Coût amort sur oblgatons à taux varable ou révsable La socété Plumera présente ses comptes annuels dans le référentel IFRS. Elle détent dans son portefeulle

Plus en détail

EXAMEN FINAL DE STATISTIQUES DESCRIPTIVES L1 AES - SESSION 1 - Correction -

EXAMEN FINAL DE STATISTIQUES DESCRIPTIVES L1 AES - SESSION 1 - Correction - EXAME FIAL DE STATISTIQUES DESCRIPTIVES L1 AES - SESSIO 1 - Correcton - Exercce 1 : 1) Consdérons une entreprse E comportant deux établssements : E1 et E2 qu emploent chacun 200 salarés. Au sen de l'établssement

Plus en détail

Solution : 1. Soit y = α + βt, l équation de la droite considérée. Le problème de régression linéaire s écrit. i=1 2(α + βt i b i )t i

Solution : 1. Soit y = α + βt, l équation de la droite considérée. Le problème de régression linéaire s écrit. i=1 2(α + βt i b i )t i Exercces avec corrgé succnct du chaptre 3 (Remarque : les références ne sont pas gérées dans ce document, par contre les quelques?? qu apparassent dans ce texte sont ben défns dans la verson écran complète

Plus en détail

Un protocole de tolérance aux pannes pour objets actifs non préemptifs

Un protocole de tolérance aux pannes pour objets actifs non préemptifs Un protocole de tolérance aux pannes pour objets actfs non préemptfs Françose Baude Dens Caromel Chrstan Delbé Ludovc Henro Equpe Oass, INRIA - CNRS - I3S 2004, route des Lucoles F-06902 Sopha Antpols

Plus en détail

Clavier et souris virtuels pour personnes handicapées à mobilité réduite

Clavier et souris virtuels pour personnes handicapées à mobilité réduite Claver et sours vrtuels pour personnes handcapées à moblté rédute Naoures Belhabb et Ans Rojb Unversté Pars8, THIM, EA 4004 CHART 2, rue de la Lberté 93526 Sant-Dens nawres_habb@yahoo.fr ; ans.rojb@unv-pars8.fr

Plus en détail

3- Réseau Neurologique (NN) 3-1- Réseau classique

3- Réseau Neurologique (NN) 3-1- Réseau classique OUTILS DE PREVISION DE LA VITESSE DE VENT : APPLICATION A LA CARACTERISATION ET A L OPTIMISATION DES CENTRALES EOLIENNES POUR L'INTEGRATION DANS LES RESEAUX ELECTRIQUES A MADAGASCAR. Andramahtasoa Bernard

Plus en détail

ÉLÉMENTS DE THÉORIE DE L INFORMATION POUR LES COMMUNICATIONS.

ÉLÉMENTS DE THÉORIE DE L INFORMATION POUR LES COMMUNICATIONS. ÉLÉMETS DE THÉORIE DE L IFORMATIO POUR LES COMMUICATIOS. L a théore de l nformaton est une dscplne qu s appue non seulement sur les (télé-) communcatons, mas auss sur l nformatque, la statstque, la physque

Plus en détail

Comparaison de méthodes d ajustement d une distribution de Weibull à 3 paramètres sur une base de données de mesures de ténacité

Comparaison de méthodes d ajustement d une distribution de Weibull à 3 paramètres sur une base de données de mesures de ténacité Comparason de méthodes d ajustement d une dstrbuton de Webull à 3 paramètres sur une base de données de mesures de ténacté M. Marquès, N. Pérot, N. Devctor Laboratore de Condute et Fablté des Réacteurs

Plus en détail

éléments d'analyse statistique

éléments d'analyse statistique éléments danalse statstque applcaton à lhdrologe deuxème édton D. Ther octobre 989 R 30 73 EAU 4S 89 BUREAU DE RECHERCHES GEOLOGIQUES ET MINIERES SERVICES SOL ET SOUS-SOL Département Eau B.P. 6009-45060

Plus en détail

M.Belahcene-Benatia Mebarka

M.Belahcene-Benatia Mebarka Authentfcaton et Identfcaton de Vsages basées sur les Ondelettes et les Réseaux de Neurones. M.BELAHCENE-BENATIA Mébarka. LI3C Unv.Med Khder.BISKRA Résumé : Notre but est de concevor un système d authentfcaton

Plus en détail

Chapitre 3 : Incertitudes CHAPITRE 3 INCERTITUDES. Lignes directrices 2006 du GIEC pour les inventaires nationaux de gaz à effet de serre 3.

Chapitre 3 : Incertitudes CHAPITRE 3 INCERTITUDES. Lignes directrices 2006 du GIEC pour les inventaires nationaux de gaz à effet de serre 3. Chaptre 3 : Incerttudes CHAPITRE 3 INCERTITUDES Lgnes drectrces 2006 du GIEC pour les nventares natonaux de gaz à effet de serre 3.1 Volume 1 : Orentatons générales et établssement des rapports Auteurs

Plus en détail

Exercices d Électrocinétique

Exercices d Électrocinétique ercces d Électrocnétque Intensté et densté de courant -1.1 Vtesse des porteurs de charges : On dssout une masse m = 20g de chlorure de sodum NaCl dans un bac électrolytque de longueur l = 20cm et de secton

Plus en détail

BUREAU D'APPLICATION DES METHODES STATISTIQUES ET INFORMATIQUES

BUREAU D'APPLICATION DES METHODES STATISTIQUES ET INFORMATIQUES BUREAU DAPPLICATION DES METHODES STATISTIQUES ET INFORMATIQUES BAMSI REPRINT 04/2003 Introducton à l analyse des données Samuel AMBAPOUR BAMSSI I BAMSI B.P. 13734 Brazzavlle BAMSI REPRINT 04/2003 Introducton

Plus en détail

Recherche d information textuelle

Recherche d information textuelle Recherche d nformaton textuelle LIP6 Unversté Pars 6 Patrck.Gallnar@lp6.fr www-connex.lp6.fr/~gallnar/ Master Informatque M2 : Apprentssage pour la recherche d'nformaton textuelle et multméda Recherche

Plus en détail

Contact SCD Nancy 1 : theses.sciences@scd.uhp-nancy.fr

Contact SCD Nancy 1 : theses.sciences@scd.uhp-nancy.fr AVERTISSEMENT Ce document est le frut d'un long traval approuvé par le jury de soutenance et ms à dsposton de l'ensemble de la communauté unverstare élarge. Il est soums à la proprété ntellectuelle de

Plus en détail

Sujets des projets. Informatique de Base Université Pierre et Marie Curie

Sujets des projets. Informatique de Base Université Pierre et Marie Curie 1 Sujets des projets Informatque de Base Unversté Perre et Mare Cure D Bernard, F Hecht, N Segun Master I / sesson 2004/2005 Table des matères 1 Sujet : Recherche rapde d un trangle contenant un pont dans

Plus en détail

Informations de l'unité d'enseignement Implantation. Cursus de. Intitulé. Code. Cycle 1. Bloc 1. Quadrimestre 1-2. Pondération 5. Nombre de crédits 5

Informations de l'unité d'enseignement Implantation. Cursus de. Intitulé. Code. Cycle 1. Bloc 1. Quadrimestre 1-2. Pondération 5. Nombre de crédits 5 Informatons de l'unté d'ensegnement Implantaton ECAM Cursus de Bacheler en Scences ndustrelles Informatque et communcaton B1030 Cycle 1 Bloc 1 Quadrmestre 1-2 Pondératon 5 Nombre de crédts 5 Nombre d heures

Plus en détail

Remboursement d un emprunt par annuités constantes

Remboursement d un emprunt par annuités constantes Sére STG Journées de formaton Janver 2006 Remboursement d un emprunt par annutés constantes Le prncpe Utlsaton du tableur Un emprunteur s adresse à un prêteur pour obtenr une somme d argent (la dette)

Plus en détail

Estimation conjointe de sources lumineuses

Estimation conjointe de sources lumineuses Estmaton conjonte de sources lumneuses et de proprétés photométrques à partr d mages Bruno Mercer, Danel Meneveaux Laboratore SIC, Unversté de Poters, BP 30179 86962 Futuroscope Chasseneul Cedex mercer,danel

Plus en détail

C Notice technique K-Réa v3 C. NOTICE TECHNIQUE

C Notice technique K-Réa v3 C. NOTICE TECHNIQUE C. NOTICE TECHNIQUE C.1. Introducton et grands prncpes... 5 C.1.1. Objet du calcul et champ d applcaton... 5 C.1.2. Introducton aux méthodes de calcul et vérfcatons proposées... 6 C.1.2.1. Présentaton

Plus en détail

COMPARAISON DE MÉTHODES POUR LA CORRECTION

COMPARAISON DE MÉTHODES POUR LA CORRECTION COMPARAISON DE MÉTHODES POUR LA CORRECTION DE LA NON-RÉPONSE TOTALE : MÉTHODE DES SCORES ET SEGMENTATION Émle Dequdt, Benoît Busson 2 & Ncolas Sgler 3 Insee, Drecton régonale des Pays de la Lore, Servce

Plus en détail

Système solaire combiné Estimation des besoins énergétiques

Système solaire combiné Estimation des besoins énergétiques Revue des Energes Renouvelables ICRESD-07 Tlemcen (007) 109 114 Système solare combné Estmaton des besons énergétques R. Kharch 1, B. Benyoucef et M. Belhamel 1 1 Centre de Développement des Energes Renouvelables

Plus en détail

Chapitre 6. Economie ouverte :

Chapitre 6. Economie ouverte : 06/2/202 Chaptre 6. Econome ouverte : le modèle Mundell Flemng Elsabeth Cudevlle Le développement des échanges nternatonaux (bens et servces et flux fnancers) a rendu fortement nterdépendantes les conjonctures

Plus en détail

DOUBLE CODAGE : APPLICATION A LA MATRICE DE COOCCURRENCE

DOUBLE CODAGE : APPLICATION A LA MATRICE DE COOCCURRENCE DOUBLE CODAGE : APPLCATON A LA MATRCE DE COOCCURRENCE Madouayne HANF (*,**), Forence SEDES (*), Drss ABOUTAJDNE (**),Abdea LASFAR hanf@rt.fr, sedes@rt.fr, abouta@fsr.ac.ma, asfar@fsr.ac.ma, (*) Unversté

Plus en détail

Modélisation et simulation des efforts de coupe en fraisage 2.5 axes

Modélisation et simulation des efforts de coupe en fraisage 2.5 axes 18 ème Congrès Franças de Mécanque Grenoble, 7-31 août 007 Modélsaton et smulaton des efforts de coupe en frasage.5 axes Adel Amn AMMAR, Zouber BOUAZIZ & Al ZGHAL Unté de recherche de mécanque des soldes

Plus en détail

Conception de l architecture d un système dirigée par un modèle d urbanisme fonctionnel

Conception de l architecture d un système dirigée par un modèle d urbanisme fonctionnel Concepton de l archtecture d un système drgée par un modèle d urbansme fonctonnel Jacques Smonn To cte ths verson: Jacques Smonn. Concepton de l archtecture d un système drgée par un modèle d urbansme

Plus en détail

Travaux pratiques : GBF et oscilloscope

Travaux pratiques : GBF et oscilloscope Travaux pratques : et osclloscope S. Benlhajlahsen ésumé L objectf de ce TP est d apprendre à utlser, c est-à-dre à régler, deux des apparels les plus couramment utlsés : le et l osclloscope. I. Premère

Plus en détail

Méthodes d Extraction de Connaissances à partir de Données (ECD) appliquées aux Systèmes d Information Géographiques (SIG)

Méthodes d Extraction de Connaissances à partir de Données (ECD) appliquées aux Systèmes d Information Géographiques (SIG) UNIVERSITÉ DE NANTES FACULTÉ DES SCIENCES ÉCOLE DOCTORALE SCIENCES ET TECHNOLOGIES DE L INFORMATION ET DES MATÉRIAUX Année 2006 N attrbué par la bblothèque Méthodes d Extracton de Connassances à partr

Plus en détail

Les déterminants de la détention et de l usage de la carte de débit : une analyse empirique sur données individuelles françaises

Les déterminants de la détention et de l usage de la carte de débit : une analyse empirique sur données individuelles françaises Les détermnants de la détenton et de l usage de la carte de débt : une analyse emprque sur données ndvduelles françases Davd Boune a, Marc Bourreau a,b et Abel Franços a,c a Télécom ParsTech, Département

Plus en détail

Application du système immunitaire artificiel ordinaire et amélioré pour la reconnaissance des caractères artificiels

Application du système immunitaire artificiel ordinaire et amélioré pour la reconnaissance des caractères artificiels 9 Nature & Technology Applcaton du système mmuntare artfcel ordnare et améloré pour la reconnassance des caractères artfcels Hba Khell a, Abdelkader Benyettou a a Laboratore Sgnal Image Parole SIMPA-,

Plus en détail

Amélioration des Délais dans les Réseaux à Débits Garantis pour des Flux Temps-Réel Sous Contrainte «(m,k)-firm»

Amélioration des Délais dans les Réseaux à Débits Garantis pour des Flux Temps-Réel Sous Contrainte «(m,k)-firm» Améloraton des Délas dans les Réseaux à Débts Garants pour des Flux Temps-Réel Sous Contrante «(m,k)-frm» Résumé : Koubâa Ans, Yé-Qong Song LORIA UHP Nancy 1 - INPL - INRIA Lorrane 2, av. de la Forêt de

Plus en détail

Les déterminants de la détention et de l usage de la carte de débit : une analyse empirique sur données individuelles françaises

Les déterminants de la détention et de l usage de la carte de débit : une analyse empirique sur données individuelles françaises Les détermnants de la détenton et de l usage de la carte de débt : une analyse emprque sur données ndvduelles françases Davd Boune Marc Bourreau Abel Franços Jun 2006 Département Scences Economques et

Plus en détail

Application des Systèmes Immunitaires Artificiels Pour la Classification Plantaire

Application des Systèmes Immunitaires Artificiels Pour la Classification Plantaire SETIT 2009 5 th Internatonal Conference: Scences of Electronc, Technologes of Informaton and Telecommuncatons March 22-26, 2009 TUNISIA Applcaton des Systèmes Immuntares Artfcels Pour la Classfcaton Plantare

Plus en détail

Université d El Oued Cours Circuits Electriques 3 LMD-EM

Université d El Oued Cours Circuits Electriques 3 LMD-EM ère parte : Electrocnétque Chaptre ntroducton L Electrocnétque est la parte de l Electrcté qu étude les courants électrques. - Courant électrque -- Défntons Défnton : un courant électrque est un mouvement

Plus en détail

Sociétés d investissement immobilier cotées (SIIC), valeur et prix : deux notes

Sociétés d investissement immobilier cotées (SIIC), valeur et prix : deux notes Socétés d nvestssement mmobler cotées (SIIC), valeur et prx : deux notes I. Dette et créaton de valeur dans les socétés foncères II. La cesson à une SIIC : un cas de dstorson fscale Laurent BATSCH CEREG-DRM,

Plus en détail

Dirigeant de SAS : Laisser le choix du statut social

Dirigeant de SAS : Laisser le choix du statut social Drgeant de SAS : Lasser le chox du statut socal Résumé de notre proposton : Ouvrr le chox du statut socal du drgeant de SAS avec 2 solutons possbles : apprécer la stuaton socale des drgeants de SAS comme

Plus en détail

Support Vector Machines (SVM)

Support Vector Machines (SVM) Ecoe Centrae de Lyon Cours: SVM Support Vector Machne Séparateurs à Vastes Marges Par : Lmng Chen Lmng.chen@ec-yon.fr 9/03/007 Ecoe Centrae de Lyon Support Vector Machnes SVM Une méthodooge d nférence

Plus en détail

En vue de l'obtention du. Présentée et soutenue par Meva DODO Le 06 novembre 2008

En vue de l'obtention du. Présentée et soutenue par Meva DODO Le 06 novembre 2008 THÈSE En vue de l'obtenton du DOCTORAT DE L UNIVERSITÉ DE TOULOUSE Délvré par l'unversté Toulouse III - Paul Sabater Spécalté : Informatque Présentée et soutenue par Meva DODO Le 06 novembre 2008 Ttre

Plus en détail

Quoi de neuf docteur? Une étude économétrique sur la recherche en ligne d informations médicales par les patients

Quoi de neuf docteur? Une étude économétrique sur la recherche en ligne d informations médicales par les patients XXXIVè Journées des Économstes de la Santé Franças - 6 et 7 décembre 2012 à Rems Quo de neuf docteur? Une étude économétrque sur la recherche en lgne d nformatons médcales par les patents Myram Le Goff-Pronost

Plus en détail

Pour ce problème, une analyse est proposée à l adresse : http://www.ac-amiens.fr/pedagogie/maths/new/ue2007/synthese_atelier_annette_alain.

Pour ce problème, une analyse est proposée à l adresse : http://www.ac-amiens.fr/pedagogie/maths/new/ue2007/synthese_atelier_annette_alain. Pour ce problème, une analyse est proposée à l adresse : http://www.ac-amens.fr/pedagoge/maths/new/ue2007/synthese_ateler_annette_alan.pdf 1 La règle du jeu Un drecteur de casno se propose d nstaller le

Plus en détail

Installation & Guide de démarrage WL510 Adaptateur sans fil /Antenne

Installation & Guide de démarrage WL510 Adaptateur sans fil /Antenne Installaton & Gude de démarrage WL510 Adaptateur sans fl /Antenne Informaton mportante à propos du WL510 Adresse IP = 192.168.10.20 Nom d utlsateur = wl510 Mot de passe = wl510 QUICK START WL510-01- VR1.1

Plus en détail

STATISTIQUE AVEC EXCEL

STATISTIQUE AVEC EXCEL STATISTIQUE AVEC EXCEL Excel offre d nnombrables possbltés de recuellr des données statstques, de les classer, de les analyser et de les représenter graphquement. Ce sont prncpalement les tros éléments

Plus en détail

TD 1. Statistiques à une variable.

TD 1. Statistiques à une variable. Danel Abécasss. Année unverstare 2010/2011 Prépa-L1 TD de bostatstques. Exercce 1. On consdère la sére suvante : TD 1. Statstques à une varable. 1. Calculer la moyenne et l écart type. 2. Calculer la médane

Plus en détail

Généralités sur les fonctions 1ES

Généralités sur les fonctions 1ES Généraltés sur les fonctons ES GENERALITES SUR LES FNCTINS I. RAPPELS a. Vocabulare Défnton Une foncton est un procédé qu permet d assocer à un nombre x appartenant à un ensemble D un nombre y n note :

Plus en détail

SIMULATION D UN JET TURBULENT POUR LE REFROIDISSEMENT DES AUBES DE TURBINE

SIMULATION D UN JET TURBULENT POUR LE REFROIDISSEMENT DES AUBES DE TURBINE 10 ème Sémnare Internatonal sur la Physque Energétque 10 th Internatonal Meetng on Energetcal Physcs SIMULAION D UN JE URBULEN POUR LE REFROIDISSEMEN DES AUBES DE URBINE Bounegta Bachr 1, Abdelarm Maamar

Plus en détail

Interprétation cristalline de l isomorphisme de Deligne-Illusie (cas des courbes)

Interprétation cristalline de l isomorphisme de Deligne-Illusie (cas des courbes) Interprétaton crstallne de l somorphsme de Delgne-Illuse (cas des courbes) C. Huyghe et N. Wach 6 avrl 23 Abstract In 987, Delgne and Illuse proved the degeneraton of the spectral sequence de Hodge vers

Plus en détail

DES EFFETS PERVERS DU MORCELLEMENT DES STOCKS

DES EFFETS PERVERS DU MORCELLEMENT DES STOCKS DES EFFETS PERVERS DU MORCELLEMENT DES STOCKS Le cabnet Enetek nous démontre les mpacts négatfs de la multplcaton des stocks qu au leu d amélorer le taux de servce en se rapprochant du clent, le dégradent

Plus en détail

Séparation de Sources par lissage cepstral des masques binaires

Séparation de Sources par lissage cepstral des masques binaires Séparaton de Sources par lssage cepstral des masques bnares Ibrahm Mssaou 1 Zed Lachr 1, 2 (1) École natonale d ngéneurs de Tuns, ENIT, BP. 37 Le Belvedere, 1002 Tuns, Tunse (2) Insttut natonal des scences

Plus en détail

Chapitre IV : Inductance propre, inductance mutuelle. Energie électromagnétique

Chapitre IV : Inductance propre, inductance mutuelle. Energie électromagnétique Spécale PSI - Cours "Electromagnétsme" 1 Inducton électromagnétque Chaptre IV : Inductance propre, nductance mutuelle. Energe électromagnétque Objectfs: Coecents d nductance propre L et mutuelle M Blan

Plus en détail

Recherche universitaire et crédits d impôt pour R-D

Recherche universitaire et crédits d impôt pour R-D Fscalté Recherche unverstare et crédts d mpôt pour R-D Le 27 novembre 2001 Nancy Avone, CA Inctatfs fscaux à la R-D très généreux dsponbles Étude du Conference Board du Canada en 1998 Québec Jurdcton au

Plus en détail

Calcul de tableaux d amortissement

Calcul de tableaux d amortissement Calcul de tableaux d amortssement 1 Tableau d amortssement Un emprunt est caractérsé par : une somme empruntée notée ; un taux annuel, en %, noté ; une pérodcté qu correspond à la fréquence de remboursement,

Plus en détail

CHAPITRE 2 LA SPECTROMETRIE RMN

CHAPITRE 2 LA SPECTROMETRIE RMN .J. Ducauze et D.N. Rutledge groparstech PITRE L SPETRMETRIE RMN «Spectrométre RMN» veut dre qu on s ntéresse aux nformatons qu apportent les spectres, c est-à-dre à un ensemble d observatons effectuées

Plus en détail

Les prix quotidiens de clôture des échanges de quotas EUA et de crédits CER sont fournis par ICE Futures Europe

Les prix quotidiens de clôture des échanges de quotas EUA et de crédits CER sont fournis par ICE Futures Europe Méthodologe CDC Clmat Recherche puble chaque mos, en collaboraton avec Clmpact Metnext, Tendances Carbone, le bulletn mensuel d nformaton sur le marché européen du carbone (EU ETS). L obectf de cette publcaton

Plus en détail

1.0 Probabilité vs statistique...1. 1.1 Expérience aléatoire et espace échantillonnal...1. 1.2 Événement...2

1.0 Probabilité vs statistique...1. 1.1 Expérience aléatoire et espace échantillonnal...1. 1.2 Événement...2 - robabltés - haptre : Introducton à la théore des probabltés.0 robablté vs statstque.... Expérence aléatore et espace échantllonnal.... Événement.... xomes défnton de probablté..... Quelques théorèmes

Plus en détail

COMPRESSION DES IMAGES MEDICALES FIXES

COMPRESSION DES IMAGES MEDICALES FIXES COMPRESSION DES IMAGES MEDICALES FIXES PAR RESEAU DE NEURONES Nacéra Benamrane, Maître de conférences en Informatque nabenamrane@yahoo.com, + 213 41 41 53 22 Zakara Benahmed Daho Etudant doctorant z-daho@lycos.com

Plus en détail

Introduction aux statistiques spatiales et aux systèmes d'information géographique en santé environnement

Introduction aux statistiques spatiales et aux systèmes d'information géographique en santé environnement Santé envronnement Introducton aux statstques spatales et aux systèmes d'nformaton géographque en santé envronnement applcaton aux études écologques Sommare Abrévatons 2 Résumé 3 1. Introducton 4 1.1 Études

Plus en détail

INTERNET. Initiation à

INTERNET. Initiation à Intaton à INTERNET Surfez sur Internet Envoyez des messages Téléchargez Dscutez avec Skype Découvrez Facebook Regardez des vdéos Protégez votre ordnateur Myram GRIS Table des matères Internet Introducton

Plus en détail

Analyse des Performances et Modélisation d un Serveur Web

Analyse des Performances et Modélisation d un Serveur Web SETIT 2009 5 th Internatonal Conference: Scences of Electronc, Technologes of Informaton and Telecommuncatons March 22-26, 2009 TUNISIA Analyse des Performances et Modélsaton d un Serveur Web Fontane RAFAMANTANANTSOA*,

Plus en détail

I. Présentation générale des méthodes d estimation des projets de type «unité industrielle»

I. Présentation générale des méthodes d estimation des projets de type «unité industrielle» Evaluaton des projets et estmaton des coûts Le budget d un projet est un élément mportant dans l étude d un projet pusque les résultats économques auront un mpact sur la réalsaton ou non et sur la concepton

Plus en détail

BTS GPN 2EME ANNEE-MATHEMATIQUES-MATHS FINANCIERES MATHEMATIQUES FINANCIERES

BTS GPN 2EME ANNEE-MATHEMATIQUES-MATHS FINANCIERES MATHEMATIQUES FINANCIERES MATHEMATIQUES FINANCIERES I. Concepts généraux. Le référentel précse : Cette parte du module M4 «Acquérr des outls mathématques de base nécessares à l'analyse de données économques» est en relaton avec

Plus en détail

Prêts bilatéraux et réseaux sociaux

Prêts bilatéraux et réseaux sociaux Prêts blatéraux et réseaux socaux Quand la sous-optmalté condut au ben-être collectf Phlppe Callou, Frederc Dubut et Mchele Sebag LRI, Unverste Pars Sud F-91405 Orsay France {callou;dubut;sebag}@lr.fr

Plus en détail

Prise en compte des politiques de transport dans le choix des fournisseurs

Prise en compte des politiques de transport dans le choix des fournisseurs INSTITUT NATIONAL POLYTECHNIQUE DE GRENOBLE N attrbué par la bblothèque THÈSE Pour obtenr le grade de DOCTEUR DE L I.N.P.G. Spécalté : Géne Industrel Préparée au Laboratore d Automatque de Grenoble Dans

Plus en détail

GEA I Mathématiques nancières Poly. de révision. Lionel Darondeau

GEA I Mathématiques nancières Poly. de révision. Lionel Darondeau GEA I Mathématques nancères Poly de révson Lonel Darondeau Intérêts smples et composés Voc la lste des exercces à révser, corrgés en cours : Exercce 2 Exercce 3 Exercce 5 Exercce 6 Exercce 7 Exercce 8

Plus en détail

Mode d'emploi. Servomoteur radiofréquence 1187 00

Mode d'emploi. Servomoteur radiofréquence 1187 00 Mode d'emplo Servomoteur radofréquence 1187 00 Table des matères A propos de ce mode d'emplo... 2 Représentaton de l'apparel... 3 Montage... 3 Démontage... 3 Almentaton... 4 Mettre la ple en place... 4

Plus en détail

Mémento de théorie de l information

Mémento de théorie de l information Mémento de théore de l nformaton Glles Zémor 6 octobre 204 0 Rappels de probabltés Espaces probablsés. Un espace probablsé (Ω, P ) est un ensemble Ω mun d une mesure de probablté P qu est, lorsque Ω est

Plus en détail