Naoum These

Un modèle multidimensionnel pour un processus
d’analyse en ligne de résumés flous

Lamiaa Naoum
To cite this version:

Lamiaa Naoum. Un modèle multidimensionnel pour un processus d’analyse en ligne de résumés flous.
Interface homme-machine [cs.HC]. Université de Nantes, 2006. Français. �NNT : �. �tel-00481046�
HAL Id: tel-00481046

https://theses.hal.science/tel-00481046
Submitted on 5 May 2010
HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
UNIVERSITÉ DE NANTES
ECOLE POLYTECHNIQUE
École Doctorale STIM
Sciences et Technologies
de L’Information et des Matériaux
2006
Thèse de DOCTORAT
Spécialité : INFORMATIQUE
Présentée et soutenue publiquement par
Lamiaa N AOUM
le 22 novembre 2006
au Laboratoire d’Informatique de Nantes Atlantique, Université
de Nantes
Un modèle multidimensionnel pour un

processus d’analyse en ligne de résumés
flous
Jury
Président :
Rapporteurs : Claude Chrisment, Professeur IRIT, Univ. Paul Sabatier (Toulouse III)
Nacer Boudjlida, Professeur LORIA, Univ. Henri Poincaré (Nancy 1)
Examinateurs : Florence Sédes, Professeur IRIT, Univ. Paul Sabatier (Toulouse III)
Noureddine Mouaddib, Professeur LINA, Univ. de Nantes
Guillaume Raschia, Maître de conférences LINA, Univ. de Nantes
Directeur de thèse : Noureddine Mouaddib

Encadrant de thèse : Guillaume Raschia
Laboratoire : LABORATOIRE D’INFORMATIQUE DE NANTES ATLAN-
TIQUE. 2, rue de la Houssinière, F-44322 NANTES CEDEX 3
No ED 0366-XXX
UN MODÈLE MULTIDIMENSIONNEL POUR UN
PROCESSUS D’ANALYSE EN LIGNE DE RÉSUMÉS
FLOUS
A multidimensional model for on-line analytical

processing of fuzzy summaries
Lamiaa Naoum
./
favet neptunus eunti
Université de Nantes
Lamiaa Naoum
Un modèle multidimensionnel pour un processus d’analyse en ligne
de résumés flous
xviii+176 p.
Ce document a été préparé avec LATEX2ε et la classe these-IRIN ver-

sion 0.92 de l’association de jeunes chercheurs en informatique LOGIN,
Université de Nantes. La classe these-IRIN est disponible à l’adresse :
http://www.sciences.univ-nantes.fr/info/Login/
Impression : Naoum-these.tex – 21/11/2006 – 16:31
Révision pour la classe : $Id: these-IRIN.cls,v 1.3 2000/11/19 18:30:42 fred Exp
Á
Résumé
Le travail présenté dans cette thèse traite de l’exploration et de la manipulation
des résumés de bases de données de taille significative. Les résumés produits par le
système SaintEtiQ sont des vues matérialisées multi-niveaux de classes homogènes
de données, présentées sous forme de collections d’étiquettes floues disponibles sur
chaque attribut. La contribution de cette thèse repose sur trois points. En premier
lieu nous avons défini un modèle de données logique appelé partition de résumés,
par analogie avec les cubes de données OLAP, dans le but d’offrir à l’utilisateur final
un outil de présentation des données sous forme condensée et adaptée à l’analyse.
En second lieu, nous avons défini une collection d’opérateurs algébriques sur l’espace
multidimensionnel des partitions de résumés. Ces opérateurs sont à la base d’une
algèbre de manipulation des résumés. Cette algèbre prend en compte les spécificités
du modèle de résumé que nous traitons. Nous avons adapté la majorité des opéra-
teurs d’analyse proposés dans les systèmes OLAP. Ainsi, nous avons identifié : les
opérateurs de base issus de l’algèbre relationnelle, les opérateurs de changement de
granularité et les opérateurs de restructuration. Ces résultats offrent de nouvelles
perspectives pour l’exploitation effective des résumés dans un système décisionnel.
Finalement, pour compléter ce travail, nous nous sommes intéressés à la représen-
tation des résumés et des partitions de résumés linguistiques, notamment pour en
fournir une présentation claire et concise à l’utilisateur final. Appliquée à une hiérar-
chie de résumés produite par le système SaintEtiQ, l’approche tente de construire
des prototypes flous représentant les résumés.
Mots-clés : Résumés de bases de données, cubes OLAP, concepts multidimensionnels
flous, aide à la décision, prototypes flous.
Abstract
The work presented in this thesis deals with the subject of exploration and manip-
ulation of database summaries with significant size. The summaries produced by
SaintEtiQ system are multilevel materialized views of homogeneous data clusters,
presented with a collections of fuzzy labels available on each attribute. Our thesis
contribution is based on three points. Initially we defined a logical data model called
summaries partition, by analogy with OLAP datacubes, with the aim of offering to
the end-user a tool for data presentation in condensed form and adapted to the
analysis. Secondly, we defined a collection of algebraic operators on the multidimen-
sional space of summaries partitions. These operators are the base for an algebra for
handling summaries. This algebra takes into account specificities of the summary
model we deal with. We adapted the majority of the operators of analysis proposed
in OLAP systems. Thus, we identified: core operators resulting from the relational
algebra, operators of changing granularity and operators of reorganization. These
results offer new prospects for the effective summaries exploitation in a decisional
system. Finally, to complet this work, we were interested in the summaries and
partitions representation, in particular to provide a clear and concise presentation of
it to the end-user. Applied to a summaries hierarchy produced by the SaintEtiQ
system, the approach tries to construct fuzzy prototypes representing the summaries.
Keywords: Databases summarization, OLAP datacubes, multidimensional vague
concepts, decision support, fuzzy prototypes.
Remerciements
Je remercie. . .
Sommaire
1 Introduction générale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
I État de l’art
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2 Les systèmes d’information décisionnels . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3 La compression sémantique des données . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
II Vers un processus d’analyse en ligne de résumés flous

Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4 Un modèle multidimensionnel pour les résumés de données . . . . . . . . 67
5 Une algèbre de manipulation pour les résumés de données . . . . . . . . . 89
6 Représentation des résumés par prototypes flous . . . . . . . . . . . . . . . . . 119
Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
7 Conclusion générale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
Liste des tableaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
Table des figures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
Table des exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
Table des matières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
A Glossaire & Notations. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
B Propositions industrielles des solutions décisionnelles. . . . . . . . . . . . . 165
C Rappels sur la théorie des sous-ensembles flous. . . . . . . . . . . . . . . . . . . 171
ix
C HAPITRE 1
Introduction générale
Problématique
Face à la mondialisation, les entreprises et plus globalement les organisations, se
trouvent confrontées à des environnements de plus en plus complexes et compétitifs
dans lesquels le pilotage et la prise de décision impliquent des choix qui doivent être
faits dans des temps très courts tout en prenant en compte un volume d’information
toujours plus important, la prise de décision dans les entreprises devient donc une
préoccupation de première importance. Dans le but de pouvoir prendre des décisions
pertinentes, les systèmes d’information dont sont équipées les entreprises nécessitent
de nombreuses informations et donc utilisent souvent des bases de données volumi-
neuses qui permettent à l’utilisateur d’avoir une vision complète afin de l’aider dans
la prise de décision. Or, plus les bases de données sont volumineuses plus il devient
difficile d’en extraire une information utile. De nombreux travaux se sont intéressés
à ce problème de grand volume de données. Les méthodes d’analyse statistique telles
que l’analyse factorielle, la classification hiérarchique et la régression peuvent ainsi
être employées pour mettre en évidence les causalités et faire ressortir des ensembles
logiques. Ainsi dans la thématique de traitement des données massives, la commu-
nauté de recherche en informatique s’est intéressée à la massification des données dans
ses différents aspects : acquisition, stockage, transmission, traitement, modélisation,
représentation, structuration, indexation, interrogation, comparaison, manipulation,
classification, fusion, extraction de sens, apprentissage et visualisation.
Dès lors, afin d’accéder et d’exploiter, de manière décentralisée et en temps réel
un grand volume de données de l’organisation, l’architecture des systèmes d’informa-
tion s’est élargie aux systèmes décisionnels. Cette nouvelle génération de systèmes
décisionnels aide les experts et les analystes en leur construisant des entrepôts avec
des données déjà agrégées et destinées à l’étude d’un sujet particulier. Ces systèmes
proposent des fonctionnalités d’extraction et d’analyse. Ils permettent notamment de
collecter des informations provenant de sources différentes, d’exploiter ces données
aux travers d’interfaces et d’opérateurs de manipulation et de représentation. L’im-
portance des volumes de données mis en jeu dans ces systèmes décisionnels nécessite
des mécanismes d’agrégation pour synthétiser l’information. Pour répondre à ces be-
soins, le traitement analytique en ligne (OLAP 1 ) des systèmes décisionnels fournit
une analyse s’appuyant sur un mécanisme d’interrogation interactive des données
multidimensionnelles basé sur un ensemble d’opérateurs de navigation.
1
On-Line Analytical Processing.
1
2 CHAPITRE 1 — Introduction générale
D’autres travaux se sont intéressés aux grands volumes de donnés en étudiant

les résumés de données. L’objectif des résumés est de réduire le volume des données
ainsi que de produire une connaissance à un niveau d’abstraction supérieur à celui des
données d’origine. Plus particulièrement les résumés flous prennent en considération
le bruit existant dans les grands volumes de données, et sont représentés dans le
vocabulaire d’un utilisateur non expert comme pourrait l’être un décideur. Un tel
résumé est donné par exemple par la phrase "la plupart des ventes sont faibles". Ils
ont un intérêt certain en découverte de connaissance puisque les données sont alors
résumées en termes linguistiques plus naturels pour les analystes.
Par ailleurs, l’exploration des données massives pour l’analyse est considérée
comme un élément majeur d’un processus d’aide à la décision. En effet, l’extrac-
tion d’information enfouie au sein des données de l’entreprise aide à obtenir une
vue homogène et fiable des données et, par la suite, facilite la prise de décision. Il
est beaucoup plus simple de trouver une information pertinente dans une structure
organisée pour la recherche de connaissance.
Contribution
Nos travaux de recherche s’inscrivent dans le cadre du laboratoire LINA (Labo-
ratoire Informatique de Nantes Atlantique) au sein de l’équipe Atlas-Grim. Notre
équipe a développé un système basé sur les concepts flous pour résumer les bases de
données relationnelles. Ce système appelé SaintEtiQ a été développé dans le but
de répondre à la problématique de massification de données. L’enjeu des résumés de
données est la synthèse de l’information dans un but de fournir une représentation
concise d’un grand volume de données.
Le système SaintEtiQ génère un grand volume de résumés nécessitant l’existence
d’un mécanisme d’exploration à vocation analytique. Nos travaux de recherche visent
à représenter et à manipuler les résumés flous des données qui sont générés par le
système SaintEtiQ. Nous avons constaté qu’il devient nécessaire de trouver un
modèle pour une présentation logique et claire d’une structure complexe contenant
des résumés flous, afin de faciliter la manipulation d’information pour l’utilisateur.
La démarche de résumé en ligne s’inscrit bien dans une volonté de créer un
parallèle avec les méthodes d’analyse en ligne que proposent les systèmes OLAP.
Dans ce but il apparaît intéressant de proposer la mise au point d’une algèbre de
manipulation des résumés qui serait le pendant de celle de manipulation des cubes
de données.
L’objectif principal de ce travail est la proposition d’un modèle d’analyse en
ligne pour les résumés flous. Pour ce faire, nous proposons une progression selon
deux points :
– le premier consiste à réaliser un état de l’art. Cette étude s’intéresse aux sys-
tèmes décisionnels et précisément leurs moteurs d’analyse en ligne, ainsi qu’aux
différentes méthodes qui traitent la problématique de la compression séman-
tique des données massives.
– le second permet d’apporter une contribution au système SaintEtiQ par la
CHAPITRE 1 — Introduction générale 3
proposition d’un modèle d’analyse en ligne des résumés flous, afin d’adapter le
système à un processus d’aide à la décision.
Le modèle de données défini sur les résumés est un modèle multidimensionnel qui
peut supporter l’application des opérateurs de haut niveau tels que les opérateurs
d’analyse en ligne que nous retrouvons dans les moteurs OLAP. Sur la base de ce
modèle, la définition d’une algèbre offre aux décideurs et à l’utilisateur final un
outil convivial pour une interactivité lors de la manipulation et l’interrogation des
résumés, dans le but d’extraire une information pertinente qui peut faciliter dans
la prise de décision. Le dernier point de cette contribution est la proposition d’une
méthode de présentation de résumés à l’utilisateur en lui garantissant une information
synthétique et intelligible.
Organisation du document
La première partie de cette thèse décrit un état de l’art sur les travaux propo-
sés dans la littérature concernant la prise de décision à partir des données volumi-
neuses dans les systèmes décisionnels. Cette première partie présente également une
étude bibliographique sur les travaux ayant été proposés dans le cadre de la com-
pression sémantique des données, parmi lesquels on trouve le système SaintEtiQ,
une approche basée sur les résumés linguistiques flous pour synthétiser des bases
de données relationnelles de grand volume. Nous présentons aussi dans cette partie
le système SaintEtiQ dans sa globalité. La description des éléments de base du
système SaintEtiQ servira par la suite pour la compréhension de notre proposition.
Dans la deuxième partie de ce manuscrit, nous présentons notre contribution
qui consiste à proposer un modèle qui supporte un processus d’analyse en ligne des
résumés générés par SaintEtiQ. Cette proposition est présentée dans les chapitres
4, 5 et 6. Le chapitre 4 décrit notre modèle multidimensionnel basé sur les résumés
flous et très proche d’un modèle décisionnel. La définition d’une algèbre qui propose
différents opérateurs pour manipuler ces résumés est présentée dans le chapitre 5. Ce
dernier présente un ensemble d’opérateurs semblables à ceux d’un processus OLAP
ainsi que les propriétés de chacun. Le chapitre 6 propose de construire des prototypes
flous à partir des résumés pour les présenter de façon intuitive à l’utilisateur.
PARTIE I
État de l’art
Introduction
Le volume de données disponible de nos jours dans les bases de données et dans
les systèmes d’information des entreprises, ne cesse d’augmenter. Face à cette pro-
blématique de la gestion des données massives, plusieurs modèles ont été proposés.
Nous étudions dans cette première partie du document l’état de l’art des systèmes
dédiés à la gestion des grandes masses de données. Nous entendons par "gestion": la
modélisation, le stockage et la manipulation des données ainsi que leurs présentations
sous une forme plus réduite.
Dans le premier chapitre, nous étudions les systèmes d’information décisionnels.
Ces systèmes sont dédiés aux analystes et jouent un rôle de plus en plus important
dans un processus d’aide à la décision. Nous allons étudier en détail l’architecture
de ces systèmes ainsi que leurs caractéristiques. Nous nous intéressons aussi dans ce
chapitre à l’état de l’art sur la manipulation à vocation analytique des données dans
les systèmes décisionnels.
Le second chapitre est consacré à un tour d’horizon des principales méthodes
proposées dans la littérature pour la réduction des grands volumes de données. Nous
ferons une brève présentation à la fin de ce deuxième chapitre d’un processus nommé
SaintEtiQ, qui génère des résumés à partir d’une base de données volumineuse.
L’objectif de cette première partie est d’étudier les éléments essentiels pour propo-
ser notre contribution pour les résumés de SaintEtiQ. Nous allons montrer l’intérêt
de l’analyse exploratoire et la manipulation des données dans les systèmes décision-
nels qui vont nous inspirer pour enrichir le système SaintEtiQ.
7
C HAPITRE 2
Les systèmes
d’information
décisionnels
Si nous pouvions savoir où nous en sommes et vers quoi nous
nous dirigeons, nous serions plus à même de juger quoi faire
et comment faire.
— Abraham Lincoln, 1858.
2.1 Introduction
La Business Intelligence (BI), également intelligence d’affaires ou informatique
décisionnelle, est apparue à la fin des années 70 avec les premiers infocentres. Des
systèmes envoyaient des requêtes directement sur les serveurs de production, ce qui
se révélait plutôt dangereux pour ces derniers. Dans les années 80, l’arrivée des bases
de données relationnelles et du mode client/serveur a permis d’isoler l’informatique
de production des dispositifs décisionnels. Dans la foulée, des acteurs spécialisés se
sont lancés dans la définition de couches d’analyse métier, dans le but de masquer la
complexité des structures de données.
La notion de BI englobe les solutions informatiques dont le but est de consolider
les informations disponibles au sein des bases de données de l’entreprise. En effet,
les entreprises, et plus globalement les organisations, se trouvent confrontées à des
environnements de plus en plus complexes et compétitifs dans lesquels le pilotage
implique des choix qui doivent être faits dans des temps très courts tout en prenant
en compte un volume d’informations toujours plus important.
Dans ce chapitre nous présentons un état de l’art sur les systèmes décisionnels.
Nous allons détailler dans la première section l’architecture générale d’un système
décisionnel. La deuxième section est consacrée à la modélisation multidimensionnelle
et la troisième section à l’exploitation des données dans les modèles multidimension-
nels.
9
10 CHAPITRE 2 — Les systèmes d’information décisionnels
2.1.1 Définitions
Il existe deux grandes familles de Systèmes d’Information (SI). On distingue en
effet :
– Les SI opérationnels et,
– Les SI décisionnels.
Les premiers, les SI opérationnels, sont utilisés pour la gestion du quotidien. Sou-
vent, ils sont associés à des progiciels ou des applications développées pour répondre
à une problématique métier. Leur objectif principal est la saisie puis les traitements
de données, ainsi que la production de résultats en sortie. D’une manière générale,
ces systèmes brassent un grand volume de données tout en garantissant un accès ra-
pide à l’information. La réponse à des requêtes généralement peu complexes permet
des temps de réponse relativement réduits.
Les seconds, les systèmes d’information décisionnels ont été définis dans [101]
comme suit :
Definition 2.1 (Système d’Information Décisionnel). Un système d’information dé-

cisionnel (SID) est un ensemble de données organisées de façon spécifique, facile-
ment accessible et appropriées à la prise de décision ou encore une représentation
intelligente de ces données au travers d’outils spécialisés. La finalité d’un système
décisionnel est le pilotage de l’entreprise.
Les moyens de parvenir à une activité de pilotage passent par une information
riche, pertinente, détaillée, historisée, fiable et stable. Le pilotage induit également
l’utilisation d’outils d’analyse et de restitution puissants et adaptés à chacun des
métiers concernés, ainsi qu’une forte capacité à faire évoluer les données et les outils.
Selon [31], dans son ouvrage Construction du datawarehouse, du datamart et du
dataweb, les systèmes décisionnels constituent une synthèse d’informations opéra-
tionnelles, internes ou externes, choisies pour leur pertinence et leur transversalité
fonctionnelles, et sont basés sur des structures particulières de stockage volumineux.
Le principal intérêt d’un système décisionnel est d’offrir au décideur une vision trans-
versale de l’entreprise intégrant toutes ses dimensions.
2.1.2 Objectifs
L’explosion des volumes de données et l’hétérogénéité des systèmes d’information,
tels sont les nouveaux challenges auxquels font face les entreprises dans la conduite
de leurs activités. À ces enjeux, s’ajoute aujourd’hui un contexte économique difficile
imposant aux entreprises une exigence d’efficacité dans leurs décisions. Les éditeurs
d’outils décisionnels, à travers leurs offres respectives, tiennent à se placer en pre-
mière ligne afin de leur apporter des réponses. On peut parler de processus décisionnel
lorsque les données de production sont valorisées en information. Cette valorisation
est effective dès que l’on sort du monde de la production. Pour transformer des don-
nées en information, les systèmes décisionnels se fondent sur le rapprochement de
données provenant de divers systèmes d’information internes ou externes, et sur la
CHAPITRE 2 — Les systèmes d’information décisionnels 11
synchronisation des différents flux d’informations. Le marché des applications déci-

sionnelles rassemble plusieurs types d’outils pouvant être classés en trois catégories :
les outils de constitution, les outils d’administration des bases de données, et les outils
de restitution. Nous présentons plus en détails les différentes étapes qui constituent
un système décisionnel dans la section suivante.
2.2 Architecture d’un système décisionnel

L’architecture type d’un système décisionnel peut être représentée en quatre ni-
veaux. La figure 2.1 tirée de [101], nous montre cette architecture.
1. Le premier niveau est celui des sources de données, celui des systèmes source,
à savoir le système de gestion de l’entreprise contenant les bases de données
opérationnelles ainsi que des sources externes.
2. Le deuxième niveau concerne la récupération, la transformation des données,
puis l’alimentation d’un entrepôt de données.
3. Le troisième niveau est celui de l’exploitation de l’entrepôt en question, celui-
ci étant organisé de telle manière que l’on puisse, par fonction de l’entreprise,
récupérer l’information mais avec une capacité d’agrégation des données par
métier. Les data marts, considérés comme des bases de données métier, sont en
fait extraits des entrepôts de données.
4. Le quatrième et dernier niveau fournit à l’utilisateur final le moyen de composer
sa propre analyse et restitution des données.
Dans la suite de cette section nous détaillons chacun de ces quatre niveaux.
Figure 2.1 – Architecture d’un système décisionnel (tiré de [101])

2.2.1 Sources de données

La complexité des systèmes d’information se traduit par une multitude de lieux et
de formats de stockage des données. Pour que des données soient exploitables, il est
nécessaire de les agréger et de les nettoyer de tous les éléments non indispensables.
Cette opération d’extraction et d’homogénéisation des données est assurée par la
technologie ETL (Extraction, Transformation and Loading).
Connecté aux différentes applications et bases de données, l’outil d’ETL se charge
de récupérer ces données et de les centraliser dans une base de données particulière,
l’entrepôt de données. Pour ce faire, le processus d’ETL respecte les trois étapes
d’extraction, de transformation et de chargement.
La phase d’extraction consiste en l’identification et l’épuration des données, seules
les données destinées à l’exploitation pour analyser un sujet bien précis seront gar-
dées. Pour extraire les données utiles, l’outil d’ETL doit pouvoir se connecter aux
différentes sources à disposition, qu’il s’agisse d’applications ou des bases en produc-
tion. En conséquence, les ETL utilisent des moteurs d’extraction ou des programmes
ad hoc générés par des outils dédiés. En ce sens, ils jouent un rôle d’intégration au
niveau des données.
La phase de transformation regroupe les opérations de mise au format nécessaire
des données, de calcul des données secondaires et de fusion ou d’éclatement des
informations composites (par exemple le produit d’une quantité vendue et du prix
peut devenir un total de vente). Cette étape de transformation comprend aussi une
phase d’agrégation des données. Le niveau d’agrégation est choisi au moment de la
construction de l’entrepôt et les données initiales seront perdues. C’est effectivement
ce qui permet d’avoir des temps de réponse très courts.
Enfin, la phase de chargement a pour rôle de stocker les informations dans les
entrepôts de données. Ce stockage dépend de la manière dont est administré l’en-
trepôt de données, le chargement de nouvelles données peut bien parfois écraser les
données déjà existantes.
L’utilisation des ETL permet de filtrer et de nettoyer les données qui sont issues
souvent de sources variées. La plupart des bases de données volumineuses souffrent de
l’existence de données "bruitées". Ce "bruit" est dû à l’hétérogénéité et l’incohérence
des données ainsi qu’à la présence de données manquantes ou encore à la duplication
de certaines données. D’autres approches se sont intéressées à la réduction de ce
"bruit"’ existant dans un système d’information. Parmi ces approches, nous verrons
dans la section 3.3.1 une façon de nettoyer les données primaires d’une base de
données en utilisant des techniques de la théorie des sous-ensembles flous.
2.2.2 Entrepôts et magasins de données

2.2.2.1 Entrepôts de données
Le concept d’entrepôt de données a été proposé par W. H. Inmon en 1990 dans [42]
pour répondre à des besoins d’analyse pour les décideurs que les systèmes transac-
tionnels ne pouvaient pas fournir. Ralph Kimball dans [51] propose la définition
suivante d’un entrepôt de données:

Definition 2.2 (Entrepôt de données). Un entrepôt de données est un espace de
stockage centralisé sur lequel repose un système décisionnel, son rôle est d’intégrer et
de stocker l’information utile aux décideurs et de conserver l’historique des données
pour supporter les analyses effectuées lors de la prise de décision.
Plus précisément, dans l’ouvrage "Le Data Warehouse" de J. M. Franco [26],
un entrepôt de données est une collection de données intégrées, thématiques, non
volatiles et historisées pour la prise de décisions.
– Des données intégrées. Un entrepôt de données concerne les différents services
et métiers de l’entreprise. Avant d’être intégrées dans l’entrepôt, et dans un
souci de cohérence, les données doivent être mises en forme et unifiées. L’inté-
gration nécessite une forte normalisation, une bonne gestion des référentiels et
de la cohérence, une parfaite maîtrise de la sémantique et des règles de gestion
s’appliquant aux données manipulées.
– Des données thématiques. Les données correspondent à des éléments d’analyse
représentatifs des besoins utilisateurs. Elles constituent déjà un résultat d’ana-
lyse et une synthèse de l’information contenue dans le système décisionnel, et
doivent être facilement accessibles et compréhensibles.
– Des données non volatiles. Afin de conserver la traçabilité des informations et
des décisions prises, les informations stockées au sein de l’entrepôt de données
ne peuvent pas être supprimées. Une requête lancée à différentes dates sur les
mêmes données doit toujours retourner les mêmes résultats. Une donnée intro-
duite dans l’entrepôt ne pourra donc plus être supprimée ni même modifiée.
C’est pourquoi les données ne sont pas volatiles.
– Des données historisées. Chaque nouvelle insertion de données en provenance
du système de production ne détruit pas les anciennes valeurs, mais crée une
nouvelle occurrence de la donnée. L’historisation est nécessaire pour suivre dans
le temps l’évolution des différentes valeurs des indicateurs à analyser. Ainsi, un
référentiel temps doit être associé aux données afin de permettre l’identification
dans la durée de valeurs précises.
Pour gérer physiquement et sémantiquement l’ensemble des données, l’entrepôt
de données doit nécessairement disposer de "données sur les données", à savoir de
méta-données.
Les méta-données. Une donnée étant forcément liée à d’autres objets du système
d’information, il est nécessaire de représenter, décrire et stocker les interactions avec
d’autres données. Chaque donnée d’un système décisionnel doit alors être recensée
avec précision. Il s’agit de connaître, pour chacune des données du système, sa prove-
nance, sa signification, les transformations qu’elle doit subir avant d’intégrer le sys-
tème décisionnel. En particulier, les méta-données doivent permettre de répondre aux
questions suivantes : comment extraire une donnée, avec quelle périodicité, quelles
transformations effectuer, quelle signification lui associer, les méta-données doivent
également spécifier les droits d’accès associés à cette donnée. Elles ont également
en charge le stockage d’informations de nature hétérogène sur les données : date

(de création, de modification), texte (description détaillée, règles de gestion, utilité),
schéma (provenance, base).
Les données se trouvant dans les entrepôts de données sont souvent stockées sous
forme de vues matérialisées. L’extraction des données à partir des entrepôts repose
ainsi essentiellement sur la technique de ces vues matérialisées [33, 100].
Vues matérialisées. Une vue matérialisée est une table contenant les résultats
d’une requête. Les vues améliorent l’exécution des requêtes en précalculant les opé-
rations les plus coûteuses comme la jointure et l’agrégation, et en stockant leurs
résultats dans la base. En conséquence, cetaines requêtes nécessitent seulement l’ac-
cès aux vues matérialisées [96] et sont exécutées plus rapidement. Une vue maté-
rialisée consiste à calculer une vue exprimée sur une source de données et à stocker
physiquement les données obtenues dans l’entrepôt. Les entrepôts de données sont
souvent définis comme des vues matérialisées de données historisées stockées à des
fins d’analyse. Ils doivent apporter une solution à un certain nombre de problèmes,
liés notamment à la mise à jour efficace des données face aux flux constants de don-
nées hétérogènes produites dans les systèmes transactionnels, et liés également à la
mise en œuvre d’applications décisionnelles.
2.2.2.2 Magasins de données

Les entrepôts de données sont organisés autour des sujets majeurs et des métiers
de l’entreprise. Les données sont organisées par thème. L’intérêt de cette organisa-
tion réside dans le fait qu’il devient possible de réaliser des analyses sur des sujets
transversaux aux structures fonctionnelles et organisationnelles de l’entreprise. Cette
orientation permet également de faire des analyses par itération, sujet après sujet.
L’intégration dans une structure unique s’avère indispensable pour éviter aux don-
nées concernées par plusieurs thèmes d’être dupliquées. Cependant dans la pratique,
il existe également ce qu’on appelle des data marts ou magasins de données, c’est-
à-dire des sous-ensembles d’un entrepôt de données, contenant des informations se
rapportant à un secteur d’activité particulier de l’entreprise ou à un métier qui y
est exercé (commercial, marketing, comptabilité, etc.). Dans [95], les magasins de
données ont été définis comme suit :
Definition 2.3 (Magasin de Données). Un magasin de données est un extrait de

l’entrepôt des données. Les données extraites sont adaptées à une classe de déci-
deurs ou à un usage particulier (recherche de corrélation, logiciel de statistiques,
. . . ). L’organisation des données suit un modèle spécifique qui facilite les traitements
décisionnels.
Les magasins de données peuvent être perçus comme des petits entrepôts consti-
tués d’un ensemble de données correspondant à un sujet précis, rendant très rapide
les temps de réponses aux requêtes.
2.2.3 Serveurs OLAP

Comme le montre la figure 2.1, le troisième pillier d’un système décisionnel est
celui des serveurs OLAP 1 . Dans cette section, nous proposons une brève présentation
de la notion d’analyse en ligne et de serveur OLAP.
Le terme OLAP date de 1993. Il fut introduit par E. F. Codd [19], le père des
bases de données relationnelles. Dans cet ouvrage [19], il définit un cahier des charges
comprenant douze règles que doivent satisfaire les modèles OLAP. Les notions de
dimensions et d’aggrégation ainsi que les concepts de base des systèmes OLAP seront
détaillées plus loin dans ce chapitre. Ces règles sont :
– la multidimensionnalité : le modèle OLAP est multidimensionnel par nature,
– la transparence : l’emplacement physique du serveur OLAP est transparent
pour l’utilisateur,
– l’accessibilité : l’utilisateur OLAP dispose de l’accessibilité à toutes les données
nécessaires à ses analyses,
– la stabilité : la performance des rapports reste stable indépendamment du
nombre de dimensions,
– architecture client-serveur : le serveur OLAP s’intègre dans une architecture
client serveur,
– le dimensionnement : le dimensionnement est générique afin de ne pas fausser
les analyses,
– la gestion complète : le serveur OLAP assure la gestion des données clairsemées,
– les multi-utilisateurs : le serveur OLAP offre un support multi-utilisateurs (ges-
tion des mises à jour, intégrité, sécurité),
– l’inter-dimension : le serveur OLAP permet la réalisation d’opérations inter
dimensions sans restriction,
– l’aspect intuitif : le serveur OLAP permet une manipulation intuitive des don-
nées,
– la flexibilité : la souplesse de l’édition des rapports est intrinsèque au modèle,
– l’analyse sans limites : le nombre de dimensions et de niveaux d’aggrégation
possibles est suffisant pour autoriser les analyses les plus poussées.
Cette technologie OLAP a été proposée pour répondre aux limites que présen-
taient les systèmes transactionnels en matière d’analyse et de support pour la prise
de décision.
OLTP versus OLAP

Les processus transactionnels en ligne OLTP 2 , sont utilisés par les entreprises
afin de gérer les informations contenues dans leurs systèmes opérationnels. Parmi les
opérations typiques d’un système transactionnel, la mise à jour ponctuelle par des
écrans prédéfinis, souvent répétitive, sur les données les plus récentes. Seulement ces
systèmes OLTP ne peuvent répondre aux besoins spécifiques des entreprises pour
1
On-Line Analytical Processing.
2
On-Line Transactional Processing.
analyser l’information et supporter efficacement leurs processus d’aide à la décision.

Effectivement, contrairement aux applications transactionnelles OLTP, les appli-
cations OLAP sont réellement orientées utilisateur, dans leur choix et leur dévelop-
pement. Si les choix technologiques restent un enjeu important, le service rendu et
l’efficacité apportée aux utilisateurs dans leur métier quotidien le sont tout autant.
Caractéristiques Processus OLTP Processus OLAP

Objectifs Interrogation, Mise à jour Analyse, Décision
Nature de données Individuelles Multidimensionnelles,
agrégées,
orientées utilisateur
Fraîcheur de données Récentes, dynamique Historiques, statiques
Traitement Simple Complexe, semi-
automatique
Utilisateurs Tout type Décideurs
Temps de réponse Rapide Moins rapide
Table 2.1 – Comparaison des processus OLTP et OLAP
Le tableau 2.1 a été construit à partir de deux comparaisons des systèmes OLTP
et OLAP issues de [55] et de [95]. Ce tableau résume les différences entre traitements
OLAP et OLTP.
2.2.4 Les outils d’analyse

Suivant l’architecture d’un système décisionnel présentée à la figure 2.1, le dernier
niveau est celui qui permet à l’utilisateur final, en l’occurence le décideur, d’exploiter
les données stockées et de pouvoir les analyser et les restituer. C’est l’élément le plus
important pour l’utilisateur car il correspond à la partie visible du système. Quelles
que soient les solutions décisionnelles retenues, elles doivent être simples à utiliser et
être compatibles avec les outils bureautiques existants. Nous présentons ici les trois
types d’outils d’analyse (les requêtes, les rapports et les statistiques), souvent utilisés
dans un système décisionnel. Cette partie de restitution de données sera étudiée d’une
manière plus détaillée plus loin dans ce chapitre (voir section 2.4.1).
Les requêtes permettent à l’utilisateur d’accéder aux données et d’interroger les
magasins ou les entrepôts de données selon ses besoins. Ces requêtes sont souvent
exprimées à l’aide du langage SQL. Elles peuvent aussi utiliser des outils d’interro-
gation graphique fournis par la solution décisionnelle.
Les rapports quant à eux, sont souvent sous forme de tableaux de bord. Ces
derniers sont construits à l’aide d’outils de visualisation et de navigation appelés
EIS (Executive Information System). Ces outils sont souvent dotés d’une interface
graphique très conviviale et très esthétique.
Les analyses de données dans un système décisionnel reposent souvent sur des
outils d’analyse statistiques. D’ailleurs le concept d’OLAP, défini dans la section
précédente, a beaucoup repris des bases de données statistiques (BDS ). Dans ce
volet d’analyses statistiques, les systèmes décisionnels se basent sur les fonctionna-
lités qu’offrent les BDS pour la manipulation des données. Comme l’utilisation des
modèles de graphes ou tabulaires. Dans [15], a été proposé le système SAS (Sta-
tistical Analysis System). Ce système considéré actuellement comme une solution
décisionnelle, offre plusieurs fonctionnalités d’analyse dans le but de découvrire des
connaissances. Pour ceci, des techniques statistiques comme l’échantillonage ainsi
que des techniques de fouille de données sont utilisées dans la partie outils d’analyse
de SAS.
Nous venons de détailler, dans cette section, les quatre grands modules qui consti-
tuent l’architecture d’un système décisionnel. Nous avons retenu deux notions im-
portantes, les entrepôts et les magasins de données, qui constituent le noyau d’un
système décisionnel. Une fois l’entrepôt construit, on construit des collections de
données orientées sujet dans des magasins de données. Cette orientation sujet re-
flète la vision des analystes selon plusieurs axes (dimensions) d’analyse. Les données
sont alors stockées selon ces axes, elles doivent correspondre à une structure adap-
tée à l’aspect multidimensionnel. La section suivante est consacrée à l’étude de la
modélisation multidimensionnelle sur laquelle sont basés les systèmes d’information
décisionnels.
2.3 Modélisation multidimensionnelle

Contrairement aux bases de données relationnelles, l’intérêt des bases de données
décisionnelles ne se situe pas au niveau de l’individu (le n-uplet ou l’enregistrement)
mais plutôt au niveau de l’identification des tendances dans un ensemble ou un
groupe. L’objectif poursuivi est de permettre aux analystes d’avoir une vision des
données qui supporte et aide leur processus de prise de décision. Afin de pouvoir ana-
lyser les données représentant l’activité d’une entreprise, il faut pouvoir les modéliser
suivant des axes. Ainsi, à titre d’exemple, le chiffre d’affaire par catégorie de clients
sur un produit donné se décline selon trois axes : montant de la facture, catégorie
de clients et produit. De nombreux autres axes (ou dimensions) peuvent être définis,
notamment en fonction de la zone géographique, du prix, ou de l’évolution dans le
temps. D’après [95], la modélisation multidimensionnelle est définie comme suit :
Definition 2.4 (Modélisation multidimensionnelle). La modélisation multidimen-

sionnelle consiste à considérer un sujet analysé comme un point dans un espace à
plusieurs dimensions. Les données sont organisées de manière à mettre en évidence
le sujet analysé et les différentes perspectives de l’analyse.
Une base de données multidimensionnelle stocke alors les données de manière

à permettre des analyses décisionnelles. À l’intersection de plusieurs dimensions se
trouvent des valeurs, également nommées indicateurs ou variables. Elles peuvent par
exemple quantifier le montant des ventes, ou le chiffre d’affaire. Ces valeurs sont
extraites de la base de production, ou peuvent être calculées par le moteur OLAP.
Dans ce cas, la valeur résulte d’une opération mathématique simple, telle qu’une
addition, mais elle peut nécessiter un traitement plus complexe, tel qu’un traitement
statistique.
2.3.1 Modélisation conceptuelle

Conceptuellement, la modélisation multidimensionnelle a donné naissance à dif-
férents concepts dont les principaux sont les suivants :
– Fait. Un fait modélise le sujet d’analyse. Un fait est formé de mesures corres-
pondant aux informations sur l’activité analysée.
– Mesure. Une mesure est la valeur qui associe un fait à un axe d’analyse (di-
mension).
– Dimension. Une dimension modélise l’objet d’analyse; elle se compose de pa-
ramètres qui peuvent faire varier les mesures.
– Hiérarchie. Une hiérarchie permet d’organiser les membres d’une dimension
selon une relation est plus fin conformément à leur niveau de détail.
Dans les travaux de Ravat et al. [86], sur la modélisation et la fusion de données
multidimensionnelles, les concepts de base de la modélisation multidimensionnelle
ont été définis formellement comme ci-après :
Definition 2.5 (Fait). Un fait Fj est défini par (NFj , MFj , IFj ) où
– NFj est le nom de fait,
– MFj = {m1 , m2 , . . . , mw } est un ensemble de mesures (ou indicateurs d’ana-
lyse),
– IFj = {IF1 , IF2 , . . . , IFw } est l’ensemble des instances de F.
Definition 2.6 (Dimension). Une dimension Di est définie par (NDi , ADi , HDi , IDi )
où
– NDi est le nom de la dimension,
– ADi = aDi−1 , aDi−2 , . . . , aDi−u est un ensemble d’attributs,
– ADi = hDi−1 , hDi−2 , . . . , hDi−y est un ensemble de hiérarchies,
– IDi = IDi−1 , IDi−2 , . . . est l’ensemble des instances de Di .
Definition 2.7 (Hiérarchie). Une hiérarchie représente une perspective d’analyse

précisant les niveaux de granularité auxquels peuvent être manipulés les indicateurs
d’analyse. Une hiérarchie hDix définie sur la dimension Di est un chemin élémentaire
acyclique débutant sur l’attribut de plus faible granularité et se terminant par u at-
tribut de plus forte granularité. Elle est définie par (NDi−x , P aramaDi−x , SupplDi−x )
où
– NDi−x est le nom de la hiérarchie,
– P aramDi−x = haDi−k , aDi−l , . . . , aDi−z i est un ensemble ordonné décrivant la
hiérarchie des attributs (chaque attribut est appelé paramètre de la hiérarchie
et correspond à un niveau de granularité d’analyse).
– SupplDi−x : P aramDi −x → 2ADi −P aramDi−x est une application spécifiant les
attributs faibles qui complètent la sémantique des paramètres (chaque paramètre
est associé à un ensemble d’attributs faibles).
L’un des modèles les plus populaires des systèmes OLAP, est le cube de données.
La notion du cube a été proposée par [32] en 1997. Elle a fait l’objet de nombreux
travaux [32, 40, 66, 98]. Le cube de données est alors défini comme suit :
Definition 2.8 (Cube de Données). Un cube est un ensemble de données organisées

selon des dimensions. On appelle mesure la valeur contenue dans une cellule du cube,
associée aux valeurs prises sur les dimensions composant le cube.
Exemple 2.1 (Exemple d’un cube de données).

Prenons l’exemple représenté par la figure 2.2, tiré de [90]. Il s’agit d’un cube à trois
dimensions : le produit, les points de vente et la date. La mesure du cube peut être
constituée par exemple des résultats des ventes des produits pour différentes villes à
différents mois.
Figure 2.2 – Exemple de cube de données
2.3.2 Modélisation physique

Les concepts définis dans une structure multidimensionnelle ont été représentés
par différentes techniques de modélisation multidimensionnelle physique. Plusieurs
propositions de schémas existent dans la littérature [2, 34, 78, 18]. Les plus courants
sont les trois schémas que nous présentons ci-dessous.
– Le modèle en étoile (star schema) : un schéma en étoile est constitué du fait
central et des dimensions. Ce modèle représente de manière dénormalisée les
dimensions. Ce schéma est défini formellement comme suit :
Definition 2.9 (Schéma en étoile). Un schéma en étoile est noté (F, D) où:
– F est un ensemble de faits ayant m mesure avec {F.Mq , 1 ≤ k ≤ m},
– D = {Ds , 1 ≤ s ≤ r} un ensemble de r dimension où chaque Ds contient un

ensemble de ns attributs Ds .Ai , 1 ≤ i ≤ ns .
– Le modèle en flocon (snowflake) : ce schéma consiste à décomposer les dimen-
sions du modèle en étoile en sous hiérarchies. Le fait est conservé et les dimen-
sions sont éclatées conformément à sa hiérarchie de paramètres. L’avantage
de ce modèle c’est la formalisation d’une hiérarchie au sein d’une dimension.
Cet avantage permet d’éviter le problème de redondance qu’on peut trouver
dans le modèle en étoile. D’une manière plus formelle, le schéma en flocon a la
définition suivante :
Definition 2.10 (Schéma en flocon). Un schéma en flocon est noté (F, H)
où :
– F est un ensemble de faits ayant m mesure avec {F.Mq , 1 ≤ k ≤ m},
– H = {Hs , 1 ≤ s ≤ r} un ensemble de r hiérarchies indépendantes.
– Le modèle en constellation : cette technique issue du modèle en étoile, et ap-
pelée modélisation en constellation, consiste à fusionner plusieurs modèles en
étoile [62] qui utilisent des dimensions communes. Un tel modèle comprend
donc plusieurs faits et des dimensions, celles ci pouvant être communes à plu-
sieurs faits. Le schéma en constellation a la définition suivante :
Definition 2.11 (Schéma en constellation). Une constellation C est définie
par
(N C , F C , DC , Star C ) où :
– N C : nom de la constellation,
– F C = {F1 , F2 , . . . , FD } : ensemble de faits,
– DC = {D1 , D2 , . . . , Dq } : ensemble de dimensions,
C
– Star C : F C → 2D : fonction associant les faits aux dimensions.
Afin de faciliter la lecture de ces trois modèles, nous les illustrons à l’aide d’une
représentation graphique facilement compréhensible tirée de [95]. La figure 2.3 décrit
le schéma en étoile modélisant les analyses des quantités et des montants de mé-
dicaments dans les pharmacies selon trois dimensions : le temps, la catégorie et la
situation géographique. La figure 2.5 illustre la modélisation en constellation. Une
constellation est constituée de deux schémas en étoile : l’un correspond aux ventes
effectuées dans les pharmacies et l’autre analyse les prescriptions des médecins. La
figure 2.4 illustre la modélisation en flocon, le même modèle en étoile de la figure 2.3
est décrit en dénormalisant chacune de ses dimensions, formant ainsi une sorte de
flocon.
2.3.3 Modélisation logique

La modélisation logique multidimensionnelle est possible selon un modèle ROLAP
ou un modèle MOLAP. Techniquement, le stockage physique des données est prin-
cipalement fait selon ces deux modèles. D’autres modèles existent comme HOLAP 3
ou DOLAP4 mais sont rarement utilisés. Nous présentons ici les modèles ROLAP et
3
Hybrid OLAP : fusionne ROLAP et MOLAP.
4
Desk OLAP : une version OLAP sur le poste client seulement.
Figure 2.3 – Exemple d’une modélisation en étoile (tiré de [95])
Figure 2.4 – Exemple d’une modélisation en flocon (tiré de [95])

Figure 2.5 – Exemple d’une modélisation en constellation (tiré de [95])
MOLAP.
2.3.3.1 OLAP relationnel
ROLAP, pour Relational On Line Analytical Processing, stocke physiquement les

données dans un Système de Gestion de Base de Données Relationnel (SGBDR). A
chaque interrogation de l’utilisateur, la base relationnelle alimente dynamiquement
un cube multidimensionnel virtuel. Dans l’approche ROLAP, le modèle multidimen-
sionnel est traduit par des tables relationnelles. Ainsi chaque fait correspond à une
table de faits et chaque dimension à une table de dimensions. Nous présentons ici
quelques modèles ROLAP, proposés dans la littérature.
– Le modèle de GRAY et al. Ce modèle [32] est l’extension du modèle re-
lationnel. L’opérateur datacube est une extension d’une table relationnelle, en
calculant toutes les combinaisons possibles des attributs de la relation, et en-
suite, en agrégeant ces différentes combinaisons. Dans ce modèle a été introduit
l’opérateur CUBE qui calcule toutes les agrégations marginales des données
connues à un niveau de précision détaillé.
– Le modèle de LI et WANG. Dans le modèle proposé par Li et Wang [63],
les dimensions sont modélisées comme des relations appelées relations de di-
mensions, et les cubes par le produit cartésien de ces dimensions avec les me-
sures. Pour les hiérarchies, on considère des relations et des partitionnements
de données selon les valeurs d’attributs.
– Le modèle de HAR. Ce modèle [40] propose de gérer les données sous une
forme relationnelle et de n’utiliser une forme de cellules pour les présenter
qu’en cas de nécessité. Le point prédominant de ce modèle est donc le choix des
cellules à matérialiser, parce que seulement les parties nécessaires du cube sont
matérialisées. Dans ce modèle, les données multidimensionnelles sont gérées
sous forme d’hypercubes construits le long de dimensions. Une dimension L

est constituée d’un ensemble d’attributs partiellement ordonné. Les hiérarchies
sont gérées par des treillis (L, ).
– Le modèle de BAR. Dans ce modèle [7] une base de données multidimen-
sionnelle est considérée comme un entrepôt relationnel, dédié aux décideurs et
aux analystes, où l’information serait organisée en schéma en étoile. Cette base
est composée d’un ensemble de tables ({D1 , . . . , Dn } , F), formant un schéma
en étoile, où Di est la table de dimensions avec une table des faits notée F celle
reliant les tables de dimensions. Les hiérarchies sur les dimensions sont définies
suivant les dépendances fonctionnelles existant sur les attributs des tables de
dimensions.
– Le modèle de GYSSENS et al. Dans [34], les auteurs ont proposé un
modèle tabulaire de base de données avec des tables multidimensionnelles. Les
mesures sont considérées comme des attributs supplémentaires de la table des
faits. La hiérarchie est stockée comme un attribut séparé des dimensions. En
revanche, une dimension est décrite par un nom associé à une hiérarchie.
2.3.3.2 OLAP multidimensionnel
MOLAP, pour Multidimentional On Line Analytical Processing, stocke physi-

quement les données dans une base multidimensionnelle. Le cube est alors fourni
directement. La structure multidimensionnelle utilisée dans les systèmes MOLAP,
est un tableau à n dimensions. Nous trouvons également l’appellation d’hypercube
ou de cube pour désigner cette structure. Dans ce qui suit, nous présentons quelques
modèles MOLAP de la littérature, et la manière dont chaque modèle définit les
concepts de base d’une structure multidimensionnelle (fait, mesure, . . . ).
– Le modèle de AGRAWAL et al. Ce modèle [2], introduit la notion d’un
cube noté C et la défini par les composants suivants :
– k dimensions, chaque dimension Di est associée à un domaine de valeurs
domi avec (i = 1, . . . , k),
– les éléments E(C)(d1 , . . . , dk ), appartenant à un ensemble V des valeurs du
cube, où di ∈ domi pour i = 1, . . . , k. Ces éléments peuvent être soit un
n-uplet, soit 0 ou 1. Le cas de 0 signifie que la combinaison des valeurs de
dimensions n’existe pas dans la base. Dans le cas où l’on a la valeur 1, alors
il existe une combinaison, et dans le cas où l’élément est un n-uplet, alors on
dispose d’une information complémentaire pour cette combinaison de valeurs
de dimensions.
Le modèle repose sur la notion de cube avec un ensemble d’opérations. Ces
opérations sont closes, c’est à dire si on applique une opération sur un cube
elle nous donne en résultat un cube aussi. Les mesures et les dimensions sont
traitées de manière symétrique. Les sélections et les agrégations sont autorisées
sur toutes les dimensions et les mesures.
– Le modèle de CABIBO et TORLONE. Cabibbo et Torlone dans [16] pro-
posent un modèle fondé sur les notions de dimension et de f-table. Une f-table
stocke les données factuelles, elle est de la forme f [A1 : l1 hd1 i , . . . , An : ln hdn i] :
l0 hd0 i, où f est un nom d’un sujet à analyser, chaque Ai (1 ≤ i ≤ n) est un at-
tribut de f et chaque li est un niveau de la dimension di . Les dimensions sont
organisées sous forme de hiérarchies où les niveaux correspondent aux diffé-
rentes possibilités de granularité de données. Les hiérarchies sont représentées
sous forme de treillis, avec des fonctions de généralisation définissant comment
naviguer entre les différents niveaux de la hiérarchie.
– Le modèle de VASSILIADIS. Le modèle de Vassiliadis [99] représente les
dimensions et les hiérarchies d’une manière explicite. Ce modèle est fondé sur
le concept de cube de base qui représente les données au niveau le plus détaillé.
Une hiérarchie est représentée sous forme d’un treillis et tous les autres cubes
sont calculés à partir du cube de base.
2.3.3.3 MOLAP vs ROLAP

Chaque moteur de ROLAP ou de MOLAP possède ses avantages et ses inconvé-
nients : MOLAP présente de bons temps de réponse dans le cas d’une information très
structurée. En revanche ROLAP, plus tributaire des temps de réponse du SGBDR,
propose une plus grande liberté d’analyse sur des volumes importants. La solution
ROLAP bien que moins rapide pour accéder aux informations permet néanmoins un
stockage plus important que la solution MOLAP. C’est pourquoi la définition de la
structure de la base est très importante : elle doit être déterminée en fonction du
type de requêtes qu’elle devra traiter, de la structure de l’information et de la vo-
lumétrie des données. Cette étape est importante car il est pratiquement impossible
de modifier le principe de conception sans réécrire le système dans son entier.
Néanmoins, si l’utilisation des moteurs multidimensionnels reste relativement
confidentielle, c’est en raison de certains inconvénients majeurs. En effet, il n’existe
que des systèmes propriétaires, ayant leur propre architecture, leur propre langage
d’accès aux données. De plus, ces moteurs nécessitent des machines puissantes pour
pouvoir supporter les traitements d’agrégation et d’indexation, et des compétences
techniques spécifiques pour les alimenter et les administrer. Tout ceci contribue à
faire des systèmes décisionnels des systèmes coûteux. Par ailleurs, le modèle ne peut
répondre à toutes les requêtes : seuls les résultats pré-agrégés lors de la constitution
du cube peuvent être obtenus. Ajouter une dimension ou un indicateur au modèle né-
cessite la restructuration du système. Et, cette technologie atteint ses limites lorsque
la quantité de données à intégrer dans le cube devient trop importante, le pré-calcul
des indicateurs à l’intersection de tous les axes devenant matériellement impossible :
la complexité du calcul est une fonction exponentielle de la quantité de données.
La question du choix entre base multidimensionnelle ou entrepôt de données reste
ouverte et dépend évidemment du contexte et des besoins de l’utilisateur.
Nous avons choisi de citer ci-dessus les modèles les plus connus dans la littéra-
ture des travaux sur la modélisation multidimensionnelle. D’autres modèles existent
comme le modèle de Datta [22], le modèle de Medelzoone et Vaisman [97], le modèle
de Pourabbas [80], l’extension du modèle multidimensionnel à l’objet dans [95] et
aussi l’extension aux bases de données floues dans [55].
Indépendamment des modèles présentés, nous proposons de définir formellement

un cube de données. Pour ceci nous concluons de cette section que les données mul-
tidimensionnelles sont modélisées sous la forme d’hypercubes dans lesquels les di-
mensions constituent des axes d’analyse indépendants, et les sujets d’analyse, ou
faits sont caractérisés par des mesures qui sont pré-calculées à l’aide de fonctions
d’agrégations selon les différentes granularités définies par le schéma hiérarchique de
chaque dimension. Les mesures sont représentées dans les cellules d’un cube selon les
différents niveaux de chaque dimension, ainsi de manière formelle, nous avons retenu
la définition d’un cube tirée de [1] :
Definition 2.12 (Cube). Un cube c est une fonction injective d’un espace fini n-
dimensionnel (défini par le produit cartésien de n niveaux indépendants {L1 , . . . , Ln },
vers un ensemble d’instances de cellule Cc :
c : L1 × . . . × Ln → Cc , injective
Nous nous intéressons dans la section suivante à l’exploitation des données mul-
tidimensionnelles. Bien que les opérateurs de manipulation des modèles cités dans ce
chapitre ne soient pas encore uniformisés, nous allons recenser les différentes façons
utilisées pour la manipulation, la visualisation et la restitution des données.
2.4 Exploitation des données multidimensionnelles

Parmi les aspects qui font l’importance des systèmes décisionnels, nous pouvons
citer les deux points suivants :
– Les interfaces utilisateurs concernant la restitution et la visualisation des don-
nées.
– La manipulation des données grâce à la possibilité de navigation dans les don-
nées à différents niveaux d’abstraction.
Comme le souligne E. F. Codd [19], l’interface utilisateur dans un modèle multidimen-
sionnel doit offrir une représentation synthétique et flexible, ainsi qu’une animation
du modèle de données.
2.4.1 Restitution des données multidimensionnelles
2.4.1.1 Production de rapports et diffusion d’information

Diffusion de l’information. Jusqu’à l’apparition d’Internet, la diffusion d’informa-
tion était très limitée. Et la diffusion sur support papier était parfois même privilégiée
pour des raisons de coûts et de simplicité. Mais avec la généralisation de l’Internet

dans les organisations, de nouveaux moyens de diffusion de l’information ont été ex-
périmentés. Une solution consiste à mettre à disposition les états via un serveur Web,
Intranet ou Extranet. L’accès aux rapports devra être sécurisé en fonction des droits
associés à l’utilisateur. Cette solution présente l’avantage de ne pas nécessiter l’ins-
tallation d’un logiciel sur les postes des utilisateurs. En outre, les calculs peuvent
être réalisés en temps réel, offrant ainsi aux rapports des données constamment à
jour.
Production des rapports. Le terme utilisé pour la production des rapports dans les
SID est le reporting. Les navigateurs constituent le premier outil de restitution des
données et un moyen aisé d’accès à l’information. Les outils de reporting répondent
au besoin principal des utilisateurs, à savoir produire des rapports et des tableaux
de bords, tâche pour laquelle ils sont parfaitement adaptés. Fonctionnant sur la base
d’un référentiel métier commun (Univers de Business Object par exemple) ils rendent
transparents pour l’utilisateur les mécanismes informatiques inhérents à l’édition des
rapports et la manipulation des données. Il est à noter que leur forme est définie
à l’avance, leur diffusion étant assurée de respecter la forme initiale. Par contre,
ces outils ne conviennent pas aux utilisateurs désireux de manipuler les données
directement, ou souhaitant tout simplement utiliser leurs propres mises en page. Sur
le marché des outils de reporting 5 , on trouve le leader Business Object 6 , suivi de
Cognos 7 , Brio 8 , Hummingbird 9 et d’autres. Parallèlement à ces outils de reporting,
on trouve des outils d’analyse, abordés ci-dessous.
2.4.1.2 Les fonctions d’analyse
Le monde décisionnel fait intervenir deux métiers, les décideurs et les analystes.
Ces acteurs ont besoin d’indicateurs clés pour analyser les données et parfois prendre
rapidement des décisions. Les systèmes décisionnels leurs proposent des outils d’ana-
lyse statistique ou de fouille de données afin de mieux exploiter d’importantes masses
d’informations et de pouvoir en tirer un enseignement.
Analyse de données. Si certains acteurs de l’entreprise ont un besoin centré au-
tour du reporting, d’autres ont besoin en revanche d’analyser de manière plus précise
les données. Il s’agit d’expliquer les anomalies et leurs origines. Il s’agit également de
mettre en lumière des phénomènes extrêmes dans la structure même d’un résultat
chiffré : si un commercial fait par exemple un chiffre d’affaire record, et que pa-
rallèlement, un autre commercial obtient des résultats médiocres, le chiffre en sortie
semblera normal, les deux résultats s’annulant réciproquement. Une analyse des don-
nées permet de révéler les disparités et d’expliquer des phénomènes apparemment
normaux. Dans cette logique, ont été définies des opérations de spécialisation (per-
5
une suite de solutions commerciales est présentée en annexe de ce document.
6
http://www.france.businessobjects.com/
7
http://www.cognos.com/
8
http://www.brio.com/fr/
9
http://www.hummingbird.com/fr
mettant de visualiser le détail composant une information) ou de généralisation (qui

consiste à visualiser d’autres indicateurs pour expliquer une information [10]). Très
interactifs, ces outils permettent de faire des simulations, de tester des scénarios. Ils
englobent par ailleurs des fonctionnalités d’alerte : par exemple, un résultat négatif
pourra être symbolisé par une police de couleur rouge, et une tendance à la hausse
se matérialisera par une flèche montante.
Outils statistiques et de fouille de données. La fouille de données (data mining) est
une technique d’analyse automatique pour relever des tendances ou des corrélations
cachées parmi des masses de données, ou encore pour détecter des informations stra-
tégiques ou découvrir de nouvelles connaissances, en s’appuyant sur des méthodes de
traitement statistique. Pour ce faire, il se base sur des méthodes statistiques comme la
corrélation ou les arbres de décision, et sur l’intelligence artificielle avec entre autres
les réseaux de neurones. Par exemple, la fouille de données est souvent utilisée par
les opérateurs pour prévenir le churn, c’est à dire le moment même où les abonnés
d’un réseau de télécommunication vont devenir infidèles. Dans ce cadre, seule une
historisation du comportement de l’utilisateur (achat de services, degré d’utilisa-
tion...) permet de définir des probabilités en fonction de critères tirés d’observations
préalables.
Les requêteurs graphiques sont simples et facilitent l’accès aux informations, mais
ils restent limités pour un processus d’analyse complexe. Les outils spécifiques OLAP
offrent de nombreuses possibilités de manipulation multidimensionnelle mais il sont
difficiles d’accès pour les non informaticiens. Enfin, les SGBD relationnels tendent
à intégrer certains concepts de l’approche OLAP mais ils restent incomplets et ne
profitent pas de la puissance des concepts multidimensionnels.
2.4.2 Visualisation des données multidimensionnelles

P. Marcel montre dans [68], que la modélisation sous forme de relations devient
inappropriée pour supporter la prise de décision et les analyses multidimensionnelles
de type OLAP. Les données multidimensionnelles sont visualisées sous une forme
reflétant leur caractère multidimensionnel. Cela peut se faire en représentant les
données dans une table selon deux dimensions (tableau 2.3) ou encore selon plusieurs
dimensions (trois dimensions par exemple sur les figures 2.6 et 2.7).
Considérons un exemple parmi les plus récurrents dans la littérature OLAP [35,
68], pour ceci prenons la relation décrite dans le tableau 2.2 qui représente les quan-
tités de pièces vendues en 2004 dans 4 régions différentes.
Visualisation tabulaire bidimensionnelle

Cette représentation peut se faire selon une table croisée à deux dimensions. On
peut visualiser les données de la table 2.2 présentées selon deux dimensions on choisit
ici d’afficher les quantités de ventes en fonction des pièces (en ligne) et de la région
(en colonne).
On note qu’une table permet de représenter le produit cartésien des différentes
pièces régions ventes

écrous ouest 60
écrous est 50
écrous sud 40
clous nord 40
clous est 70
vis ouest 50
vis sud 50
vis nord 60
Table 2.2 – La relation ventes 2004
ouest est nord sud

écrous 60 50 40
clous 70 40
vis 50 60 50
Table 2.3 – Exemple d’une représentation sous forme de table croisée
valeurs d’une relation. Or, toutes les combinaisons ne sont pas connues c’est pour
cela qu’on doit représenter cette absence par une case vide, par exemple les ventes
des clous dans la région ouest en 2004 (voir tableau 2.3). On note aussi que la
représentation tabulaire est possible pour les données qu’elles soient stockées dans
des relations de type ROLAP ou de type MOLAP.
Visualisation graphique multidimensionnelle
Cette représentation se fait en associant une dimension de l’espace à chaque

attribut (colonne) de la table donnée. Dans ce cas la relation peut être décrite dans
l’espace des trois dimensions (pièces, régions et ventes) chacune associée à un attribut
(une colonne de la table). La figure 2.6 montre ce type de représentation pour la
relation ventes du tableau 2.2.
Visualisation par cubes de données
Maintenant, si l’analyste cherche à représenter les données de plusieurs relations

relatives aux ventes de différentes années. La représentation bidimensionnelle illustrée
dans la table 2.3 peut être étendue à une représentation multidimensionnelle, sous
forme de cube, comme sur la figure 2.7. Les données de la table 2.2 sont représentées
comme celles de l’année 2004, le cube représente aussi les autres relations en prenant
en compte la dimension du temps (années). Les dimensions du cube sont présentées
par des axes. Chaque axe est gradué par des valeurs appelées paramètres ou membres.
La valeur contenue dans chacune des cellules du cube est appelée mesure ou élément.
Figure 2.6 – Exemple d’une représentation sous forme de barres
Figure 2.7 – Exemple d’une représentation sous forme de cube (tiré de [68])
La littérature sur la représentation et la visualisation des cubes est encore pauvre.

Ce n’est que récemment que les études qui s’intéressent aux modèles multidimen-
sionnels commencent à élargir le champ d’étude. Elles s’intéressent à des approches
de représentation multidimensionnelle dédiées à la visualisation d’un cube à l’écran
dans [69, 70] et de trouver une représentation attribuée aux tables multidimension-
nelles et destinée à l’exploration dans [14, 17] ainsi qu’à l’optimisation des requêtes
OLAP à un niveau logique [30].
Les travaux de [66] proposent un nouveau modèle pour présenter les cubes de
données multidimensionelles appelé CPM pour Cube Presentation Model. Ce modèle
de représentation est de type visualisation géométrique. Il se base sur la perception
humaine des données du cube dans l’espace. Il est considéré comme une technique
avancée pour la visusalisation des cubes OLAP. Par ailleurs, dans [39] a été proposé
un outil appelé CubeExplorer qui, parmi ses multiples fonctionnalités d’analyse et
de construction de cube, offre une interface graphique conviviale qui permet à l’uti-
lisateur de spécifier de nouvelles contraintes, mesures ou autres paramètres pour les
besoins d’analyse et de prise de décision.
D’autres travaux ont étudié la visualisation et l’exploration de grande collections
de documents. L’approche proposée dans [71, 73] permet de caractériser le sous-
ensemble de documents répondant aux centres d’intérêts de l’utilisateur. Ceux-ci
sont exprimés via des concepts hiérarchisés. La sélection des documents est réalisée
via un ensemble de hiérarchies de concepts sur la collection qui représente la connais-
sance du domaine. L’originalité de l’approche réside dans l’utilisation du concept de
cube de données présent dans les approches de type OLAP (On-Line Analytical Pro-
cessing) avec des collections de documents. Chaque hiérarchie de concept est utilisée
comme axe du cube et peut être explorée selon différents niveaux d’abstraction, re-
prenant ainsi les principes de forage des systèmes décisionnels. L’implantation de
cette approche a été réalisée dans le système DocCube qui offre les fonctionnalités
des hypercubes comme dans les systèmes OLAP.
Les techniques de visualisation on été aussi utilisées dans la découverte de connais-
sances, la plate-forme Tétralogie proposée dans [72] en donne l’exemple. Dans cette
approche les auteurs offrent à l’utilisateur un outil interactif pour lui permettre non
seulement la visualisation des données mais également sa participation au proces-
sus de découverte de connaissances. Ils ont proposé par exemple dans le cadre de la
veille technologique et scientifique une méthode de détection et de suivi des équipes
de recherche à travers les collaborations qui existent entre chercheurs.
Dans le domaine industriel des solutions décisionnelles, de nombreux outils de vi-
sualisation des données multidimensionnelles ont été développés. Citons par exemple
Explorer d’Oracle Express 10 , qui permet de manipuler directement les concepts de
l’approche multidimensionnelle (fait, dimension, mesure . . . ) et de visualiser les don-
nées sous forme de tranches de cube de données. D’autres éditeurs de logiciels ont
proposé des offres comme DB2 OLAP Server 11 de IBM, qui repose sur la technologie
10
www.oracle.com/olap
11
http://www-306.ibm.com/software/data/db2/db2olap/
d’Hyperion Essbase ou encore l’offre de Microsoft OLAP Server 12 .
2.4.3 Manipulation des données multidimensionnelles

Les utilisateurs ont besoin d’outils de synthèse et de manipulation de données qui
soient efficaces et conviviaux pour la prise de décision. Dans les cubes de données mul-
tidimensionnelles, les cellules fournissent des informations agrégées pour une mesure
et selon plusieurs dimensions et les analystes emploient des opérateurs permettant
de manipuler ces structures complexes.
Notons que dans la manipulation multidimensionnelle, les concepts intuitifs se
sont propagés rapidement. Comme le montrent [19, 67], les termes utilisés par les
opérateurs OLAP sont plus descriptifs que formels. Chaque analyste peut avoir plu-
sieurs interprétations des résultats de ces opérateurs selon son point de vue et selon
la synthèse qu’il veut avoir.
Plusieurs travaux de synthèse [2, 68, 99] ont classé les opérateurs de manipula-
tion des données multidimensionnelles. Selon les systèmes et modèles proposés, nous
pouvons réaliser une typologie des opérateurs de manipulation des données multidi-
mensionnelles. Dans [55], l’auteur identifie deux classes d’opérations de manipulation
de données multidimensionnelles. La première concerne les opérations inter-cubes, et
la seconde concerne les opérations intra-cubes qui sont de deux types : celles qui
ne changent que la présentation du cube et celles qui modifient le contenu du cube.
L’auteur a proposé l’extension du modèle aux données floues ainsi qu’une algèbre de
manipulation de ce modèle [56]. Dautres travaux ont étudié l’imprécision dans les
données multidimensionnelles [78, 79].
D’autres travaux ont proposé une autre typologie différente des opérateurs de
manipulation, selon l’intuition de l’utilisateur qui cherche à obtenir, soit une forte
interaction de l’analyse en ligne de données en utilisant des opérateurs de restructu-
ration, soit une hiérarchisation de l’information et donc il fait appel aux opérateurs
de granularité, soit il peut simplement chercher à adapter les opérateurs relation-
nels en utilisant les opérateurs dit classiques. Les divers opérateurs définis pour la
manipulation des données multidimensionnelles ne sont pas standardisés. Cependant
nous nous baserons sur la dernière typologie présentée pour présenter ces différents
opérateurs. La catégorisation des opérations OLAP en trois types : classiques, de
granularité et de restructuration, est celle qui est retrouvée dans la majorité des tra-
vaux qui se sont intéréssés à la manipulation des cubes de données [2, 10, 43]. Les
sections suivantes sont consacrées à la description des opérations de manipulation
dans le cadre de l’analyse en ligne des données multidimensionnelles.
2.4.3.1 Les opérations classiques

Dans cette section nous présentons les opérations dites classiques, celles qui
étendent les opérateurs de l’algèbre relationnelle. Les différents modèles de la lit-
térature précisent que les opérations classiques opèrent sur le contenu des cubes et
12
http://www.microsoft.com/france/technet/produits/sql/7.0/a-olap-1005.mspx
laissent inchangée sa structure multidimensionnelle. Ainsi les opérations relation-

nelles classiques (sélection, projection, renommage, union, intersection, différence et
produit cartésien) sur un cube sont directement traduites en opérations de l’algèbre
relationnelle sur les relations sous-jacentes des cubes.
On peut retenir comme opération classique : la sélection, la projection, le produit
cartésien, la jointure, les opérations ensemblistes (union, intersection et différence),
la suppression d’une mesure, l’ajout d’une mesure calculée et le renommage.
Sélection. Si l’on considère la version relationnelle de l’opération de sélection,
le principe est de retenir un sous-ensemble de données d’une relation qui contient
des éléments satisfaisant les critères de cette sélection. Ce principe appliqué à un
cube consiste à définir un sous-ensemble de ses données. On peut alors faire cette
sélection de deux façons distinctes : la première, en faisant une sélection qui porte
sur les mesures du cube (slice) et la seconde, en faisant une sélection sur ses membres
(dice). La restriction ou le slice consiste à extraire de l’information résumée pour une
certaine dimension. La figure 2.8 montre l’application d’un slice sur la dimension
année avec la valeur 2004. On ne retient alors que les valeurs inférieures à un seuil.
– Le slice : consiste à couper une tranche du cube en faisant une sélection sur
les cellules par des prédicats selon une dimension (voir figure 2.8).
Figure 2.8 – Exemple d’un opérateur Slice tiré de [95]
– Le dice : consiste à extraire un sous-cube en faisant une sélection sur les di-
mensions. Cela revient à faire une restriction sur les dimensions et non plus par
rapport à un critère sur la mesure. Comme illustré sur la figure 2.9, l’opération
du dice est appliqué sur la dimension "année" avec (2001, 2002), la dimension
"région" avec (est, ouest) et la dimension "pièces" avec (boulon, joint).
Projection. L’opération de projection consiste (en algèbre relationelle) à res-
treindre l’ensemble des attributs d’une relation. L’extension de cette opération au
modèle multidimensionnel porte soit sur les dimensions, soit sur les niveaux de gra-
nularité.
– La projection sur les dimensions. Quand on projette un cube de n dimensions
Figure 2.9 – Exemple d’un opérateur Dice tiré de [95]
sur n − p dimensions, 1 ≤ p ≤ n, le cube résultant de n − p dimensions doit

conserver l’unicité de l’association entre la référence et le contenu des cellules.
– La projection sur les niveaux de granularité. Cette projection permet sur un
cube de données de choisir un seul niveau du cube de données à représenter.
Dans ce cas le nombre de dimensions ne change pas. Ainsi sur la figure 2.10
le cube (illustré à gauche) peut être obtenu à partir de la tranche du cube
(illustrée à droite), si on projette au plus haut niveau de la dimension temps.
On notera que la combinaison des opérations de sélection et de projection est
souvent regroupée sous le terme slice and dice dans la littérature OLAP.
Jointure. La jointure consiste à combiner deux cubes par rapport à des dimen-
sions. Elle permet comme dans le modèle relationnel d’associer des données issues de
différentes relations disposant de certains champs ou des méta-données en commun
dans le but d’aboutir à des relations plus riches que celles d’origine si on les considère
chacune à part.
Fusion. La fusion consiste à fusionner les dimensions d’un cube selon une fonction
d’agrégation.
Ajout, suppression et renommage. Ces opérations permettent à l’utilisateur d’ajou-
ter ou de supprimer des mesures calculables à partir des données d’un cube OLAP
ou encore de les renommer.
Opérations ensemblistes. Nous trouvons aussi dans la manipulation des cubes les
opérateurs ensemblistes d’union, d’intersection et de différence.
2.4.3.2 Les opérations de granularité

Ces opérations agissent sur la granularité de l’observation des données. Elles
guident la navigation entre les différents niveaux d’abstraction. Ces opérations néces-
sitent des informations non contenues dans le cube pour passer d’une représentation
initiale à une représentation de granularité différente.
Généralisation
– Forage vers le haut, pliage ou roll-up. L’opération de roll-up consiste à repré-

senter les données du cube à un niveau de granularité supérieur conformément
à la hiérarchie définie sur une dimension. L’opérateur de Roll-up est basé sur
la hiérarchie de dimension, il s’agit des différents niveaux de granularité de
chaque dimension, par exemple celle qui peut décrire la dimension produit en
plusieurs niveaux écrous, vis, boulon et joint. Cette opération revient à géné-
raliser les valeurs d’un attribut à des concepts de niveau supérieur. On peut
par exemple calculer la moyenne sur plusieurs valeurs de dimensions.
Figure 2.10 – Exemple d’une opération de Roll-up (tiré de [67])
– DataCube. Le datacube d’après [67] est l’opération qui décrit la consolidation

d’un cube (i.e. calcul de tous les agrégats suivant tous les niveaux d’une dimen-
sion). Cette opération est considérée comme une généralisation de l’opération
du roll-up.
Spécialisation
Le forage vers le bas, le dépliage ou le drill-down. L’opération de drill-down

consiste à représenter les données du cube à un niveau de granularité inférieur, donc
sous une forme plus détaillée.
L’application de ces opérations de forage vers le haut ou vers le bas nécessite de
connaître des informations sur les valeurs des cellules du résultat car ces informations
ne sont pas calculées à partir du cube général. Pour le roll-up, on doit connaître la
fonction d’aggrégation utilisée, tandis que pour le drill-down on doit connaître la
répartition des données à des niveaux de granularité plus fins.
2.4.3.3 Les opérations de restructuration

Dans [67], l’opération de restructuration est définie comme suit :
Definition 2.13 (Opération de restructuration). Une opération de restructuration

est toute opération élémentaire bijective de changement de point de vue sur un cube.
Ainsi, tout cube par restructuration d’un cube initial contient les informations néces-
saires et suffisantes pour générer le cube initial par restructuration réciproque.
Les opérations de restructuration sont alors considérées comme des opérations qui
changent seulement la structure d’un cube sans toucher à son contenu. Les principales
opérations de restructuration existant dans les systèmes OLAP, sont présentées ci-
après.
Rotation. La rotation (ou l’opérateur rotate) est une opération de restructura-
tion élémentaire qui consiste à faire effectuer à un cube une rotation ou un pivot
autour d’un des trois axes passant par le centre de deux faces opposées, de manière
à présenter un ensemble de données d’une face différente du cube. On note qu’un
cube de dimension n a n(n − 1) vues. Pour afficher le cube sous un autre angle on
le fait pivoter autour d’un de ses axes. Marcel [68] spécifie l’opération de rotation
en opération typiquement tridimensionnelle qui n’a pas d’incidence sur le nombre de
dimensions de la représentation adoptée pour le cube, et qui s’attache à rendre l’as-
pect tridimensionnel d’un cube dans un plan. Seules trois faces étant représentées,
l’opération rotate s’apparente à une opération de sélection qui ne serait pas guidée
par un choix de membres, mais par un choix de faces.
Permutation. L’opération de permutation ou switch consiste à inverser deux di-

mensions pour permuter deux tranches du cube. Cette opération consiste à inter-
changer les membres d’une dimension. Dans cette opération certaines informations
se retrouvent alors placées l’une à côté de l’autre, ce qui facilite la découverte de
corrélations entre attributs et peut aider à l’interprétation pour les analystes et les
décideurs.
Division ou éclatement. L’opération de division (ou l’opérateur split) consiste à
représenter chaque tranche du cube sous une forme tabulaire. Elle permet ainsi de
passer d’une représentation tridimensionnelle d’un cube à sa représentation sous la
forme d’un ensemble de tables. Cette opération permet de réduire le nombre de di-
mensions d’une représentation. Sa généralisation permet par exemple de découper un
hypercube de dimension 4 en cubes. On peut alors réduire le nombre de dimensions
et s’intéresser à un seul axe. Le nombre de tables résultant d’un split dépend du
nombre de membres d’une dimension contenu dans le cube initial.
Emboîtement. L’opération d’emboîtement (ou l’opérateur nest) consiste à imbri-

quer les valeurs d’un paramètre de dimension avec un autre paramètre pour avoir
une présentation bidimensionnelle. L’un des intérêts de cette opération est qu’elle
permet de grouper sur une même représentation bidimensionnelle toutes les infor-
mations (mesures et membres) d’un cube ou hypercube, quelque soit le nombre de
ses dimensions. L’opération réciproque, unnest, reconstitue une dimension séparée à

partir des membres imbriqués.
Enfoncement. Cette opération appelée aussi push, consiste à combiner les posi-
tions ou valeurs d’un paramètre d’une dimension aux mesures du fait et donc de
transformer un paramètre en mesure. L’opération inverse de retrait ou pull permet
de transformer une mesure en paramètre en changeant le statut de certaines mesures
de l’hypercube pour constituer une nouvelle dimension. On constate que ces deux
dernières opérations permettent de traiter de façon similaire mesures et membres.
Factualisation. Cette opération appelée aussi fold traduit en français dans [95]
par la factualisation consiste à transformer une dimension en mesure(s). Elle permet
de transformer en mesure l’ensemble des paramètres d’une dimension. L’opération
inverse de paramétrisation (traduction de unfold ) permet de transformer une mesure
en paramètre dans une nouvelle dimension.
2.5 Conclusion
Les différentes opérations présentées précédemment sont considérées comme les
opérations élémentaires pour l’analyse en ligne des données. La majorité des pro-
duits implémentant les fonctionnalités OLAP couvrent ces opérations. Ces produits
doivent offrir à l’utilisateur des outils de manipulation intuitifs comme le souligne E.
F. Codd dans les douze règles présentées en section 2.2.3 de ce chapitre.
D’un autre côté, [16] met l’accent sur la nécessité de définir plusieurs langages de
manipulation de données à différents niveaux d’abstraction. Ces langages doivent of-
frir à l’utilisateur, qui désire effectuer des traitements complexes, la possibilité d’avoir
un langage formel de haut niveau. Dans le travail de synthèse de P. Marcel [67], l’au-
teur fait une étude approfondie sur les langages formels de manipulation des données
multidimensionnelles proposés dans la littérature [2, 16, 34, 63, 78].
Le chapitre suivant vise à dresser un état de l’art des méthodes et approches qui
s’intéressent à résumer les données volumineuses dans le même principe que celui des
systèmes d’information décisionnels. Ceci dans le but de présenter aux décideurs et
aux analystes, des données sous une forme réduite mais riche en connaissances.
C HAPITRE 3
La compression
sémantique des données
Au lieu de répondre très bien, je réponds très, et le bien qui
me reste, je vais le porter à ma banque.
— Raymond Devos, 1992.
Avec la mondialisation, Internet et la part grandissante de l’informatique, les

centres de calcul traitent une quantité de données de plus en plus importante. Cette
problématique de masse de données s’étend à toutes les disciplines scientifiques ainsi
qu’aux données issues des activités commerciales et industrielles ou encore des études
et observations dans le domaine des sciences humaines et sociales. Cette masse de
données provient par exemple du nombre élevé des dispositifs expérimentaux (par
exemple en biologie) ou encore de la grande quantité des informations collectées sur
des individus (les consommateurs par exemple) ou sur des produits industriels.
C’est pour ces raisons que les aspects relatifs aux grandes masses de données
constituent actuellement des axes de recherche de grande importance en ce qui
concerne le stockage, le traitement ou la présentation de ces données, ainsi que la
meilleure façon de réduire ces grands volumes de données.
Nous présentons dans ce chapitre un ensemble d’approches qui tendent à vouloir
produire des résumés à partir de données structurées. Cette présentation est organisée
selon les différentes thématiques liées à la compression sémantique des données.
3.1 La compression des données

Traditionnellement, la compression de données concerne l’optimisation de l’uti-
lisation des ressources systèmes comme l’espace de stockage. Nous considérons que
cette compression de données est « syntaxique » dans le sens où il s’agit de compresser
un fichier en réduisant le nombre de digits binaires nécessaires pour l’enregistrer. Une
variété de méthodes de compression avec ou sans perte ont été développées pour cer-
taines formes de données (image, audio, vidéo . . . ). Un grand nombre des méthodes
de compression sans perte ou réversibles se basent sur des techniques statistiques
ou des dictionnaires. Parmi les méthodes basées sur des techniques de codage statis-
tique, la méthode de compression proposée par David Albert Huffman en 1952 [41].
37
38 CHAPITRE 3 — La compression sémantique des données
La méthode de compression Huffman consiste à diminuer au maximum le nombre de

bits utilisés pour coder un fragment d’information. Prenons l’exemple d’un fichier de
texte : le fragment d’information sera un caractère ou une suite de caractères. Plus
le fragment sera grand, plus les possibilités seront grandes et donc la mise en œuvre
complexe à exécuter. L’algorithme de Huffman se base sur la fréquence d’apparition
d’un fragment pour le coder : plus un fragment est fréquent, moins on utilisera de bits
pour le coder. Les autres méthodes de compression sans perte, dites à dictionnaire,
sont basées sur l’algoritme LZW publié dans un article de Jacob Zif et Abraham
Lempel en 1977 [109] dont le principe est d’utiliser un dictionnaire dynamique qui
contient des motifs du fichier traité.
D’un autre côté, il existe des méthodes de compression de données dites « séman-
tique », qui sont motivées par l’accès, l’analyse et l’exploration d’un grand volume
de données qui ne cesse d’augmenter. En effet, en raison de la nature exploratoire
de beaucoup d’applications d’analyse de données, il existe plusieurs scénarios dans
lesquels il est difficile d’obtenir une réponse exacte à une requête complexe, et les
analystes peuvent préférer une réponse rapide et approximative, tant que le système
peut garantir un certain seuil de tolérance d’erreur. Cette réponse rapide peut être
obtenue en accédant à des espaces de stockage qui contiennent des vues résumées de
la base de données initiale. Dans ce chapitre, nous écartons le principe de la com-
pression syntaxique. Notre intérêt est de présenter les méthodes qui fournissent une
vue synthétique d’une grande masse de données.
3.1.1 Travaux sur la compression sémantique des données
Les travaux sur la compression sémantique de données sont consacrés à l’étude

de la construction de vues qui regroupent le résumé d’un ensemble de données à des
niveaux d’abstraction élevés, ceci en conservant la sémantique des données.
La figure 3.1 montre une catégorisation des approches de compression séman-
tique qui seront présentées dans les sections qui suivent. Ces approches ont toutes
comme objectif commun la réduction de grandes masses de données structurées en
respectant la sémantique de ces données. Sans prétendre à l’exhaustivité, ce recense-
ment des différentes méthodes utilisées pour la compression sémantique, rassemble
les principales approches de la littérature du domaine.
Nous proposons un classement selon deux grandes familles : les méthodes statis-
tiques, et les méthodes basées sur les modèles. Pour la première catégorie on peut
diviser les méthodes statistiques en celles qui visent à réduire le nombre d’instances,
celles qui réduisent le nombre d’attributs et celles qui opèrent des calculs d’agrégats
(comme les systèmes OLAP). La deuxième famille concerne les méthodes basées sur
les modèles. Elle prend en considération les méthodes issues du domaine de la fouille
de données de même que les méthodes basées sur les méta-données comme les mé-
thodes d’induction par attribut. Les sections suivantes sont dédiées à la présentation
de ces différentes approches.
CHAPITRE 3 — La compression sémantique des données 39
Compression sémantique
Méthodes Approches basées

statistiques sur les modèles
Réduction Réduction Calculs Modèles de fouille Modèles basés sur

par instances par attributs d’agrégats de données les méta−données
Induction par Résumés

itCompress Spartan Fascicles attribut linguistiques
Figure 3.1 – Typologie des approches de compression sémantique de données
3.2 Méthodes de compression sémantique
3.2.1 Les méthodes statistiques
Les méthodes statistiques font partie des processus d’analyse de données qui
visent à générer des résumés à partir d’une grande masse de données. Ces ap-
proches s’appuient sur l’extraction des informations qui sont jugées intéressantes
parce qu’elles sont souvent représentées par un grand nombre de données. Nous pré-
sentons ici les trois types de méthodes statistiques utilisées dans l’analyse de données :
– Les méthodes verticales basées sur la réduction du nombre d’instances.
– Les méthodes horizontales basées sur la réduction du nombre d’attributs.
– Les méthodes du calculs d’agrégats.
3.2.1.1 Résumé du nombre d’instances
Le résumé des instances d’une base de données, du point de vue statistique, décrit
les aspects quantitatifs des données comme le nombre de n-uplets, la distribution des
valeurs ou encore les corrélations existantes entre ces valeurs. Cette approche utilise
des techniques statistiques en calculant des indicateurs tel que la moyenne, l’écart
type, la variance ou la médiane. Le but est de pouvoir caractériser la distribution
des observations autour d’un indicateur comme la moyenne par exemple. Parfois la
moyenne n’est pas suffisante pour calculer la dispersion des valeurs, dans ce cas le
calcul de la variance peut répondre à cette exigence. Les différentes observations
réalisées à partir d’un ensemble de données, permettent de construire un modèle
à partir d’un ensemble restreint de ces observations. Le modèle construit devrait
affirmer avec suffisamment de confiance que son application aura un effet déterminé
sur n’importe quel individu de la population. Un tel modèle peut être réalisé à partir
d’un échantillon, une technique statistique très utilisée dans l’analyse des données.
Echantillonnage
Généralement, pour étudier les caractéristiques d’une population on peut choisir
entre deux approches. La première est d’étudier chaque unité de la population. Ce
processus est appelé en statistique l’énumération complète. La deuxième est d’étudier
les caractéristiques de la population en examinant une partie de cette population,
cette méthode est appelée échantillonnage. Théoriquement la première approche est
plus efficace mais dans le cas des masses de données, son application devient très
difficile.
Definition 3.1 (Echantillon). Un échantillon est un sous-ensemble d’une popula-

tion sur lequel on effectue une étude statistique. Une étude sur un échantillon vise
généralement à tirer des conclusions relatives à l’ensemble de la population.
L’échantillonnage est une technique statistique qui sélectionne une partie d’une
grande population afin de pouvoir étudier cette population et mieux connaître ses
propriétés. Cette technique peut être utilisée pour résoudre des problèmes causés
parfois par la haute dimensionnalité de l’espace de représentation des données. Elle
est très utilisée dans le domaine de la fouille de données quand il s’agit de très larges
volumes d’informations. La principale difficulté de l’échantillonnage réside dans la
façon de créer un échantillon à partir d’un grand volume de données, qui soit re-
présentatif et qui puisse s’y substituer lors de futurs traitements. Il existe plusieurs
méthodes d’échantillonnage comme la méthode aléatoire simple, aléatoire stratifiée
ou en grappes. Ces méthodes peuvent être de type probabiliste ou non probabiliste.
Un échantillonnage est dit probabiliste quand sa procédure de sélection se base sur
la théorie des probabilités. On cite pour ce cas l’échantillonnage aléatoire simple
ou stratifié. En revanche, quand l’échantillonnage est fait sans utiliser la théorie des
probabilités on dit qu’il est non probabiliste. Ceci signifie que les éléments de l’échan-
tillon ne dépendent d’aucun résultat de probalilité dans leur procédure de sélection.
Le choix de la méthode à utiliser est une phase très importante dans un proces-
sus d’échantillonnage. Ce choix dépend de plusieurs éléments comme la définition
de la population à étudier ou la détermination de la taille de l’échantillon. Nous
donnons ici l’exemple d’une méthode d’échantillonnage appelée méthode des quotas
pour montrer comment un échantillon peut être construit. Nous choisissons cette
méthode parce qu’elle définit les échantillons sous forme de classes que nous pouvons
considérer comme une vue réduite d’un ensemble de données.
Echantillonnage par quotas. Cette méthode consiste à classer préalablement les
individus en n classes C1 , . . . , Cn . La représentativité de chaque classe par rapport
à la population complète est liée alors au cardinal de chaque classe. La difficulté
est dans le choix des classes car, constituées selon des critères non indépendants de
variable aléatoire 1 , elles peuvent générer une sur (sous)-représentativité de certaines
des valeurs de cette dernière. Cette méthode est employée principalement sur une
1
une variable aléatoire est une fonction définie sur l’ensemble des résultats possibles d’une expé-
rience aléatoire, telle qu’il soit possible de déterminer la probabilité pour qu’elle prenne une valeur
donnée ou qu’elle prenne une valeur dans un intervalle donné.
collection de classes connues a priori, mais il est parfaitement possible de l’envisager

sur une collection issue d’une classification automatique.
L’objectif ultime de l’échantillonnage est de faire des inférences à propos des
intérêts de la population. La performance de n’importe quelle estimation faite à
partir d’un échantillon dépend de la méthode choisie pour faire l’échantillon et de
celle qui permet de calculer l’estimation à partir de la base de données de l’échantillon.
L’évaluation d’un estimateur se fait selon l’absence de biais et la faible variance de
l’échantillon. Il est à noter qu’un échantillon ne donne pas exactement les mêmes
estimations correctes que sur la vraie population, la marge de risque reste à limiter.
3.2.1.2 Résumés du nombre d’attributs

La seconde approche pour résumer des données en utilisant des méthodes sta-
tistiques est le résumé du nombre d’attributs. Cette approche consiste à réduire la
complexité des données en ne gardant qu’un nombre restreint d’attributs, les plus im-
portants par exemple. Dans cette approche nous présentons les différentes méthodes
d’analyses factorielles. Les analyses factorielles trouvent tout leur intérêt pour la
compréhension des tableaux de grande dimension, plusieurs dizaines ou centaines de
lignes et de colonnes, que les traitements statistiques classiques ne peuvent interpré-
ter de façon globale. Ces méthodes ont été également utilisées pour la réduction du
nombre d’attributs d’une base de données.
Méthodes d’analyse factorielles

Le principe de ces méthodes est de proposer une synthèse de la représentation
des données en réduisant le nombre d’attributs afin de faciliter l’interprétation des
relations ou corrélations existantes entre les données. Ainsi ces méthodes visent à
décrire l’information globale fournie par plusieurs variables décrivant un ensemble
d’individus. Elles permettent de distinguer les individus entre eux en tentant de
trouver les facteurs qui expliquent cette distinction. Un des intérêts majeurs de ces
analyses factorielles est de fournir une méthode de représentation d’une population
décrite par un ensemble de caractères dont les modalités sont quantitatives (mesures
continues), pour une ACP, ou qualitatives (pour une AFC). Ainsi, nous présentons ici
les plus courantes des méthodes factorielles : ACP, AFC et l’analyse discriminante.
Analyse en Composantes Principales (ACP). Cette méthode a comme objectif de
chercher les meilleurs axes de projection par combinaison linéaire d’attributs quan-
titatifs. Ces axes devront faciliter l’analyse des données puisqu’ils doivent montrer
la meilleure représentation graphique des individus sur un plan bidimensionnel. Elle
est utilisée pour sélectionner un nombre restreint de variables synthétiques qui sont
les composantes principales. L’intérêt de cette méthode est qu’elle est automatique
et permet de détecter les hypothèses de dépendance entre les attributs, même si les
axes produits restent difficile à interpréter pour l’utilisateur.
Analyse Factorielle des Correspondances (AFC). Cette méthode s’applique ini-
tialement aux tableaux de contingence qu’on peut obtenir en croisant deux variables
qualitatives. La validité de cette méthode s’étend à tous les tableaux qui satisfont
deux conditions. La première impose que les données du tableau sont toutes positives,
et la seconde que toutes les grandeurs du tableau soient de même nature. L’objectif
de réaliser une AFC est de rechercher les corrélations entre deux attributs nominaux,
cela revient à appliquer une ACP avec une symétrie totale sur deux nuages de points
projetés.
L’analyse discriminante. L’objectif de cette méthode est de mettre en évidence
une relation entre un attribut nominal et plusieurs attributs numériques, dans le
cadre de l’explication d’une répartition en classes connues. Une classe contient un
groupe d’individus qui sont décrits sur un ensemble d’attributs et sont identifiés
comme appartenant à cette classe particulière. Cette méthode permet de déterminer
les meilleurs axes pour l’explication de ces classes en recherchant les combinaisons
linéaires des axes de départ qui fournissent la meilleure séparation entre deux classes.
Les méthodes factorielles tiennent une place primordiale dans les méthodes d’ana-
lyse de données. Elles ont largement démontré leur efficacité dans l’étude des grandes
masses d’information. Leur force vient du fait qu’elle permettent la confrontation de
nombreuses informations ce qui est plus riche en renseignements qu’un examen sé-
paré. Ainsi elles peuvent être utilisées pour la description d’une population afin de
mieux l’analyser. Les méthodes ACP et AFC peuvent être utilisées dans le cas où
des données sont décrites par un ensemble de variables qui ont toutes la même im-
portance et jouent le même rôle. L’analyse discriminante peut être utilisée quand il
s’agit d’expliquer des phénomènes au sein des données en fonction d’autres, ce qui
permet de prévoir parfois des résultats autrement imprévisibles.
3.2.1.3 Calcul d’agrégats
Les approches de compression sémantique s’appuyant sur le calcul d’agrégats se

retrouvent dans les BDS (Bases de Données Statistiques) et dans les systèmes OLAP.
Les BDS apparues au début des années 1970, ont comme principales caracté-
ristiques de collecter des informations et de fournir aux utilisateurs des outils pour
l’analyse des données. L’analyse provient de traitements statistiques simples ou com-
plexes. Dès les années 80, les travaux sur les BDS [58] sont consacrés à l’étude de la
construction, de la maintenance et de la pertinence d’agrégats calculés à partir de
fonctions statistiques. Ceci est motivé par le besoin identifié par les statisticiens, de
gérer et analyser efficacement les grandes masses de données se trouvant dans des
bases de données. Ils choisissent de représenter les données et de les traiter d’une
manière résumée, par groupe d’individus ou par sous-ensembles. Les données dans
les BDS sont considérées selon deux types de valeurs : celles qui représentent les
paramètres afin d’identifier des catégories de données, et celles qui représentent les
variables qui sont appelées également des mesures. Les opérations d’agrégation et
de désagrégation sont définies pour représenter les informations à différents niveaux
de granularité. Ces agrégations réduisent aussi l’espace de stockage des données,
comme le fait de ne stocker que des codes à la place des valeurs des catégories. Le
calcul d’agrégats dans les BDS a permis la création des tables résumées décrivant la
distribution multivariée des données [29].
OLAP
Le contexte OLAP, détaillé dans le chapitre précédent, a repris de nombreux
concepts des bases de données statistiques. Les relations du contexte OLAP avec les
bases de données statistiques ont été étudiées, notamment par [94], mettant en évi-
dence les similarités de ces deux modèles. Les concepts communs à ces deux approches
sont la multidimensionnalité, les hiérarchies et les attributs de résumés (appelés me-
sures dans le modèle OLAP). Dans les deux contextes, on trouve des données de base
(également appelé niveau micro), des données de niveau agrégé (également appelé
niveau macro), et des méta-données (hiérarchies par exemple). Les données sont dis-
tinguées selon qu’elles sont des mesures ou des variables. Si les bases statistiques ne
présentent souvent à l’utilisateur que les données de niveau macro, les outils OLAP
tendent à travailler à partir des données de niveau micro.
Quotient cube
Des travaux [52, 53, 54] ont été menés pour proposer des constructions de résumés
de datacubes qui soient plus facilement visualisables tout en gardant les propriétés
sémantiques du treillis du cube 2 permettant justement de voir les tendances cachées
dans le cube de données. Une approche proposée consiste à regrouper en classes les
sommets du treillis en fonction des valeurs qui leur sont associées : deux sommets
font partie d’une classe s’ils ont la même valeur. Cette approche est appelée Quotient
Cube, elle a été introduite par V. S. Lakshmanan et al. dans [52] et implémentée dans
le système SOCQUET [53, 54]. L’objectif de l’approche est de permettre à l’utilisateur
une navigation similaire à celle qui serait possible au sein d’un cube classique, mais en
se déplaçant à un niveau d’abstraction supérieur qui regroupe les cellules en régions
homogènes.
Les méthodes basées sur des approches statistiques précédemment présentées ont
une grande capacité à fournir des résumés de données à un utilisateur en lui propo-
sant des outils de représentation graphique et d’analyse. Toutefois, la faiblesse de ces
méthodes se situe dans leur incapacité à offrir à un décideur la possibilité de découvrir
des connaissances exceptionnelles souvent ne concernant pas la majorité des indivi-
dus. En effet, ces méthodes synthétisent de manière très concise un ensemble très
important de données, en négligeant les connaissances relatives à des sous-ensembles
particuliers des données à résumer. Certes les systèmes OLAP sont dotés d’outils de
fouille de données mais ils restent toujours limités par l’effet de seuil et l’orientation
sujet qui est définie en amont d’une étape de découverte de connaissance. Nous al-
lons présenter dans la section suivante les méthodes de compression sémantique de
données basées sur les modèles de fouilles de données ou sur les méta-données.
2
Le quotient cube considère un cube de données par sa présentation sous forme d’un treillis de
Galois.
3.2.2 Les méthodes basées sur les modèles

3.2.2.1 Modèles de fouille de données
Dans les méthodes basées sur les modèles de fouilles de données, nous étudions ici
les différentes approches de classification utilisées pour la compression sémantique.
La classification des données sert à mettre en évidence des relations entre objets,
ou individus, et entre objets et paramètres d’objets. Le processus de classification
permet de construire une partition de l’ensemble des objets en classes relativement
homogènes. Telle qu’elle est définie, la classification constitue un outil efficace pour la
compression sémantique de données. Il nous paraît essentiel, pour réduire les données
et construire des résumés basés sur des algorithmes de classification, de présenter les
principales méthodes de classification supervisée et non supervisée, qui sont utilisés
dans le cadre de la compression sémantique.
Classification supervisée
La classification supervisée considérée comme une approche d’apprentissage au-

tomatique peut être réalisée de deux façons. L’une dite empirique, considère un
étiquetage préalable, résultat d’une expertise sur le domaine étudié, en exemples et
contre-exemples des phénomènes à caractériser. L’autre, appelée constructive, pro-
cède par auto-apprentissage en capitalisant l’expérience des observations passées et
supervisées en s’appuyant sur des connaissances de domaine pour initialiser le pro-
cessus. Il existe de nombreuses méthodes d’apprentissage supervisé :
– k plus proches voisins,
– arbres de décisions,
– méthodes bayésiennes,
– réseaux de neurones,
– programmation génétique.
– ...
Deux méthodes d’apprentissage supervisé on été utilisées dans des systèmes de
compression sémantique appelés Spartan et Fascicles. Ces deux systèmes s’appuient
respectivement sur les réseaux bayésiens et la classification par la méthode des centres
mobiles.
Méthode des réseaux bayésiens. Les réseaux bayésiens sont nommés ainsi d’après
le théorème de Bayes. Cette méthode suppose l’indépendance des variables. L’idée
est d’utiliser des conditions de probabilité observées dans les données. On calcule la
probabilité de chaque classe parmi les exemples. Un classifieur basé sur le théorème
de Bayes consiste à construire un tableau qui détermine la probabilité d’apparte-
nance à une classe d’une donnée sur la base de combinaison des probabilités sur
chaque attribut.
Theoreme 1 (Théorème de Bayes). Soit deux événements A et B, la probabilité a

posteriori de l’événement A sachant la réalisation de l’événement B est :
P (A ∩ B)
P (A/B) =
P (B)
de même la probabilité à posteriori de l’événement B sachant la réalisation de l’évé-

nement A est :
P (B ∩ A)
P (B/A) =
P (A)
Les réseaux bayésiens modélisent un classifieur sous la forme d’un graphe paramé-
tré qui représente la distribution conjointe d’un ensemble de variables. L’apprentis-
sage automatique des réseaux bayésiens dans les bases de données vise à déterminer
la structure du graphe dont les nœuds sont certains attributs qui sont mis en rela-
tion avec d’autres attributs par les arcs du graphe à l’aide de la détermination des
probabilités, améliorant ainsi la précision du classifieur. Les réseaux bayésiens sont
actuellement utilisés dans des domaines assez variés comme par exemple le diagnostic
de panne, la modélisation d’utilisateur, l’aide à la décision médicale, ou bien encore la
robotique [57, 59, 50]. Des méthodes ont été proposées pour la recherche du meilleur
réseau [27]. Un réseau bayésien est défini comme suit :
Definition 3.2 (Réseau bayésien). Une structure B = (G, θ) est un réseau bayésien
si G = (X, E) est un graphe acyclique dirigé dont les sommets représentent un en-
semble de variables aléatoires X = {X1 , X2 , . . . .., Xn } et si θi = P (Xi |XP a(Xi) ) est
la matrice des probabilités conditionnelles du nœud i connaissant l’état de ses parents
Pa (Xi) dans G.
SPARTAN. Les réseaux bayésiens ont été utilisés dans le cadre de la compression
sémantique de tables dans le système SPARTAN [6]. Dans ce système, un ensemble
d’attributs dits prédictifs est utilisé conjointement avec un modèle reposant sur un
réseau bayésien pour prédire les autres attributs. Il s’agit donc d’une compression
horizontale puisque l’objectif est de réduire le nombre d’attributs mémorisés. La
méthode de compression de SPARTAN exploite la sémantique des attributs afin de
réduire le volume des tables. L’avantage de ce système consiste en son exploitation
des corrélations prédictives entre les attributs d’une table et d’une tolérance à l’erreur
qui est spécifiée par l’utilisateur. SPARTAN identifie des dépendances dans les don-
nées en construisant un réseau bayésien pour les attributs en question. Ces derniers
participent à la construction d’un arbre appelé Cart : Classification and Regression
Tree, qui résume la totalité des colonnes de la table.
Méthode des centres mobiles. Les algorithmes de classification par les centres
mobiles, permettent de créer des classes regroupées autour d’un noyau. Un ensemble
de données Ω sera classé en k classes : C1 , . . . Ck . L’algorithme le plus connu dans
cette catégorie est le k-Means [25, 65] et sa version améliorée appelée méthode des
nuées dynamiques [24]. Cette méthode cherche à mettre à jour une partition en k
classes (k donné) par divisions successives de l’ensemble de données initial. Chaque
classe est représentée par un noyau qui peut être un point (individu), un ensemble
de points ou un espace. La partition optimale n’est atteinte qu’exceptionnellement
du fait du choix arbitraire des k noyaux initiaux.
ItCompress : Dans le cadre de la compression sémantique de base de données, une
variante de la méthode des centres mobiles a été utilisée par l’algorithme ItCompress
dans [45]. La figure 3.2 donne une présentation d’une table selon l’exemple extrait
de [45].
Figure 3.2 – Compression de tables par ItCompress
T est la table d’origine (voir figure 3.2(a)), elle est représentée par la table T c
(figure 3.2(b)) au moyen de:
1. ERId : C’est l’identifiant d’un enregistrement de référence, il représente un
enregistrement existant considéré comme typique de l’enregistrement à décrire.
2. Valeurs booléennes : C’est une liste de valeurs qui permet de savoir pour chaque
attribut si la valeur de l’enregistrement de référence est satisfaite ou non. Une
valeur dite proche est acceptable grâce à un niveau de tolérance qui doit être
fixé.
3. Valeurs exceptionnelles : C’est une liste de valeurs qui s’avèrent insatisfaisantes

dans la mesure où la valeur réelle de l’enregistrement courant doit être repré-
sentée correctement par l’enregistrement de référence sur des attributs.
Dans cet algorithme l’utilisation de la méthode des centres mobiles se fait pour re-
chercher les k enregistrements représentatifs. Ces enregistrements sont considérés
comme le noyau, et à l’aide des enregistrements les plus proches de ces noyaux on
peut construire les k classes. Le nombre d’attributs dont la valeur n’est pas correc-
tement représentée par l’enregistrement de référence est utilisé dans l’algorithme de
ItCompress comme une mesure de distance.
Classification non supervisée

Dans cette seconde approche de classification dite non supervisée, les classes
possibles ne sont pas connues à l’avance, et les exemples disponibles sont non éti-
quetés. Le but est donc de regrouper (dans un même groupe) les objets considérés
comme similaires, pour constituer les classes (créer, par exemple, différents groupes
de textes, à partir d’un ensemble de textes de tous genres, selon la similarité de leur
contenu). Dans le domaine de l’extraction de données et spécialement dans l’analyse
d’ensembles de données, une des techniques utilisée est la recherche des règles d’as-
sociation qui visent a prédire la classe étant donné un ensemble de conditions. Les
conditions sont des paires de valeurs d’attributs, appelés aussi itemsets.
Règles d’association. L’utilisation des règles d’association est une méthode de

classification non-supervisée qui consiste à déterminer les valeurs associées parmi les
données. L’exemple le plus courant de l’utilisation de cette méthode est celui dit
du panier de la ménagère, où le but est de déterminer les articles dont les achats
sont simultanés. Par exemple si un client achète du poisson et du citron il achète
aussi du vin blanc. Cette technique est utilisée dans plusieurs domaines comme l’ana-
lyse du comportement des consommateurs, les services bancaires ou les services de
télécommunication.
Une règle d’association est de type : X → Y signifie : si X alors Y,

où la prémisse X et la conclusion Y sont des conjonctions de propriétés définies
comme des attributs booléens. La propriété de décomposition des règles d’association
permet de considérer que la conclusion Y n’est formée que d’un seul attribut. Pour
valider une règle d’association on utilise le support ou la confiance.
Definition 3.3 (Support d’une règle d’association). Le support supp d’une règle
d’association r : X → Y est la fréquence d’apparition simultanée des attributs X et
Y . On le note :
|XY |
supp(r) =
|R|
où |XY | est le nombre des n-uplets qui vérifient à la fois X et Y , et |R| est le cardinal
de la relation R sur laquelle est évaluée la règle r.
Definition 3.4 (Confiance d’une règle d’association). La confiance conf d’une règle
d’association r : X → Y est le rapport entre |XY | (le nombre des n-uplets qui
vérifient à la fois X et Y ) et |X| (le nombre des n-uplets qui vérifient seulement X).
La confiance est notée :
|XY |
conf (r) =
|X|
La découverte des règles d’association dans les données revient à déterminer les
ensembles fréquents dans des matrices de co-occurrence. Le problème est combina-
toire lorsqu’il s’agit de tester les multiples conjonctions d’attributs booléens, et de
nombreuses optimisations sont envisagées. La méthode de l’élagage par support mini-
mum est la plus courante, elle ne considère que les règles dont le support a atteint un
seuil fixé. L’objectif principal pour l’extraction de règles d’association est de donner
une information synthétique sur une partie de la base de données; ce qui n’empêche
pas l’existence de règles dites triviales ou inutiles. Les premières ne donnent aucune
information et les secondes sont trés difficiles à interpréter. Agrawal et al. [5] ont
proposé APRIORI, un algorithme considéré comme une référence dans ce domaine.
Il a été conçu dans un contexte d’extraction de connaissances pour des applications
commerciales spécialement pour identifier les règles d’association du problème du
panier de la ménagère.
Fascicles. Les règles d’association ont aussi été utilisées dans le cadre de la com-
pression sémantique d’une table. Ce sont H. V. Jagadish et al. qui proposent dans [44]
l’utilisation d’une forme étendue des règles d’association pour la compression d’une
table. Ils utilisent pour cela la notion de fascicles, qui correspond à un sous-ensemble
des enregistrements de la table dont une partie au moins des attributs ont des valeurs
voisines au sens d’une certaine tolérance définie pour chaque attribut. La compres-
sion avec perte de la table est alors réalisée en remplaçant un fascicle par un unique
enregistrement qui réalise le compromis des valeurs observées chez les enregistre-
ments qui composent ce fascicle. Le problème rejoint, par de nombreux aspects, celui
traité par les algorithmes de R. Agrawal et al. [3, 5] pour la recherche d’ensembles
fréquents. L’extension se situe au niveau de la souplesse autorisée dans le nombre
d’attributs voisins, ce qui accroît très fortement l’espace de recherche.
La classification floue
La théorie des sous-ensemble flous3 offre une meilleure explication et une préci-
sion plus grande, pour représenter l’appartenance des objets aux classes. En effet la
classification floue entre dans le cadre des méthodes de partitionnement [49], c’est-à-
dire qu’on doit préalablement fixer le nombre de classes. Cependant, contrairement à
la classification traditionnelle dite nette ou dure, la classification floue permet d’esti-
mer des degrés d’appartenance de chaque individu à une classe. Par conséquent, un
individu bien représenté aura un degré d’appartenance proche de l’unité à une classe
et proche de zéro pour les autres classes, alors qu’un individu mal représenté aura
3
une annexe est consacrée à rappeler les éléments de base de cette théorie.
plutôt des degrés d’appartenance uniformément faibles sur toutes les classes. Ce type
de méthodes permet d’affiner l’interprétation des résultats quant à la contribution
de chaque individu pour la construction d’une classe. Cette représentation d’appar-
tenance des objets aux classes est plus conforme à ce qu’on attend d’un processus
robuste et intelligent de classification. E. H. Ruspini [89] est le premier à avoir in-
troduit le concept de sous-ensembles flous en classification suivi d’un bon nombre
de chercheurs proposant d’appliquer à la classification différentes méthodes issues de
la logique floue. Deux grandes familles de méthodes peuvent être distinguées, selon
la manière dont la logique floue est utilisée. La première correspond aux méthodes
issues directement de la logique classique. Ce sont en fait des versions fuzzifiées des
méthodes classiques, utilisant des sous-ensembles flous pour modéliser des classes
d’objets. On peut citer l’extension au flou de la méthode des centres mobiles pro-
posée par James.C. Bezdek dans [8] ainsi que l’algorithme des fuzzy c-means [4]. La
deuxième famille des méthodes repose sur les relations floues entre les valeurs d’un
vecteur d’attributs et la classe à laquelle appartient un prototype. Elles permettent de
représenter l’appartenance partielle des objets à plusieurs classes, ce qui est conforme
a ce que peut fournir un processus d’apprentissage automatique en résultat.
Nous avons abordé dans cette section les méthodes basées sur les modèles pour la
compression sémantique. Nous avons présenté ceux qui s’appuient sur des modèles de
fouilles de données dont la classification supervisée, non supervisée et la classification
floue. Dans la section suivante nous nous intéressons aux modèles basés sur les méta-
données.
3.2.2.2 Modèles basés sur les méta-données

Les modèles basés sur les méta-données ont comme objectif la caractérisation
de données en fournissant une généralisation concise et succincte d’un ensemble de
données. Ces méthodes sont basées sur la description des concepts et sont considérées
comme des approches de fouille de données descriptive dans le sens où elles décrivent
les concepts ou les données pertinentes pour l’analyse sous une forme concise et
générale. Dans cette section nous présentons deux modèles, de réduction de grands
volumes de données, basés sur les méta-données : l’induction par attribut et les
résumés linguistiques.
Induction par attribut

La méthode d’induction par attribut a été proposée par J. Han et al. dans [36],
et a été développée pour la découverte de connaissance dans les bases de données.
Le principe de cette méthode est d’abord la généralisation et puis l’agrégation par
fusion des tuples généralisés identiques en conservant leurs effectifs. La généralisation
s’appuie sur une connaissance de domaine ordonnée, dont les termes supérieurs re-
présentent des notions générales regroupant un ensemble de termes inférieurs. Cette
connaissance de domaine peut être une hiérarchie de concepts, préalablement dispo-
nible sur chaque attribut. L’objectif de cette hiérarchie est de décrire le passage des
concepts les plus spécifiques, correspondant aux valeurs d’attribut dans la base de
données, aux concepts les plus généraux. Cette hiérarchie permet la réécriture des
données d’une relation en utilisant le premier niveau de généralisation. Ce processus
peut être répété jusqu’à l’obtention d’une nouvelle relation dont la taille ne dépasse
pas un seuil qui a été fixé en amont. Différents types de connaissances peuvent être
découverts efficacement en utilisant l’induction par attribut, y compris des règles
caractéristiques, des règles discriminantes ou des règles quantitatives. Le processus
d’induction par attribut a fait par la suite l’objet d’une implémentation appelée
DBLEARN [37] et puis DBMINER [38] que nous présentons ci-après.
DBLEARN : dans [37], J. Han et Y. Fu proposent l’utilisation de DBLEARN pour
l’amélioration des connaissances de domaines par l’adaptation dynamique du proces-
sus dans le choix des niveaux de généralisation utilisés. L’idée générale est d’éviter
de sur-généraliser les valeurs des attributs qui couvrent de nombreuses instances, et
au contraire, de généraliser davantage les valeurs pour lesquelles peu d’instances ont
été trouvées. Cette procédure permet d’homogénéiser la cardinalité de chaque valeur
d’attribut généralisée.
DBMINER : les développements ultérieurs de DBLEARN mènent à un nouveau
système nommé DBMINER [38], avec les dispositifs suivants :
– de nouveaux genres d’extraction de règles à partir de grandes bases de données,
y compris des règles d’association de multiple-niveau, des règles de classifica-
tion, des règles de description;
– la génération et amélioration automatique des hiérarchies de concept;
– l’utilisation d’un niveau élevé du langage d’interrogation SQL avec des inter-
faces d’extraction de données graphiques;
– des améliorations dans l’architecture client/serveur et l’exécution pour de grandes
applications.
Ces deux systèmes d’extraction de données, ont été développés pour l’exploitation
interactive de la connaissance de multiple niveaux dans les grands volumes de bases
de données relationnelles. Leur objectif est de découvrir des règles caractéristiques ou
discriminantes dans des processus d’apprentissage supervisé. Les éléments fondamen-
taux de ces systèmes sont un ensemble étendu de fonctions d’extraction de données,
incluant généralisation, caractérisation, association, classification, et prévision.
Résumés linguistiques
Comme leur nom l’indique les résumés linguistiques se basent sur l’exploitation
des variables linguistiques introduites par L. Zadeh [105]. Les résumés linguistiques
ont l’avantage d’être formulés dans un langage très proche de celui de l’utilisateur.
Ils permettent aussi de proposer des descriptions intelligibles à des niveaux élevés de
granularité. Nous classons ces résumés selon trois catégories : les résumés quantifiés,
ainsi que leur extension dans les résumés par calcul de cardinalité floue et les résumés
à base de règles floues, nous détaillons ci-dessous ces trois catégories.
Les résumés quantifiés.

La notion de résumé quantifié a été proposée au début des années 80 par R. R.
Yager et C. Rubinson dans [103]. Leur approche consiste à formuler des propositions
quantifiées et à considérer leur validité en regard d’une distribution de données ex-
primées selon le formalisme conventionnel attribut-valeur. De multiples travaux se
sont intéressés aux résumés quantifiés [9, 12, 23, 46, 81]. Nous présentons ici deux
langages d’interrogation des résumés quantifiés, SUMMARYSQL et FQUERY.
SUMMARYSQL. Proposé par [85], SUMMARYSQL est un langage de requête flexible

qui est considéré comme une extension de SQL aux résumés linguistiques. Ce lan-
gage se base sur l’interprétation des résumés linguistiques en tant que prédicats flous
construit sur une relation R. L’énoncé "la plupart des n-uplets de la relation R ont
un revenu élevé" peut être exprimé comme suit :
X
plupart(t ∈ R/ t.Revenu ≈ élevé)
où plupart représente le résumé validé par le quantificateur flou la plupart, et

P
l’expression (t.Revenu ≈ élevé) traduit le concept vague que doivent satisfaire les
n-uplets t de la relation R.
SUMMARYSQL propose une clause summary, inspirée de la formulation des ré-
sumés linguistiques :
summary quantificateur flou

from relations
where conditions.
A titre d’exemple, en déterminant les individus qui ont un revenu élevé de la

relation employés, on évalue le résumé :
summary la plupart
from employés
where revenu est élevé.
Le résultat de la requête est une valeur réelle correspondant à un degré de validité

du résumé, traduisant ainsi dans quelle mesure le revenu de la plupart des employés
est élevé.
FQUERY. Les auteurs de [46, 107], s’appuient sur le module FQUERY pour propo-
ser une méthode de validation interactive des résumés linguistiques quantifiés. Basé
sur des éléments issus de la théorie des sous-ensembles flous comme les concepts
vagues, les relations floues ou les modificateurs flous, FQUERY étend les capacités
d’un SGBD aux requêtes flexibles. Il offre une interface conviviale sur le modèle des
requêtes par l’exemple, permettant à l’utilisateur de sélectionner, pour une requête,
le quantificateur flou et les étiquettes linguistiques mis en jeu dans l’énoncé. Il exhibe
aussi d’autres résumés pertinents pouvant être obtenus à partir des attributs mis en
jeu dans la requête. Ceci permet à l’utilisateur d’avoir tous les énoncés intéressants
construits sur les attributs qu’il a sélectionné.
Les résumés par calcul de cardinalité floue.

Dans [12, 81], les auteurs proposent de réduire le cardinal d’une relation R d’une
base de données en construisant une nouvelle relation R ∗ dont les n-uplets sont des
résumés polymorphiques 4 de collections de n-uplets de R. Afin de construire cette
relation R∗ , deux étapes sont indispensables : l’étiquetage et la fusion. Une fois
la relation R∗ construite, les auteurs proposent d’évaluer des résumés linguistiques
quantifiés. La phase d’étiquetage consiste à associer un n-uplet élémentaire t de la
relation R à une ou plusieurs classes étiquettes floues pour générer autant de n-
uplets qu’il existe de combinaisons d’étiquettes floues auxquelles t appartient au
moins partiellement. Après vient la phase de fusion qui est chargée de réduire le
nombre de n-uplets étiquetés, par calcul de cardinalités floues associées à chaque
combinaison d’étiquettes observée dans R∗ . Les résumés linguistiques construits à
partir de la fusion des n-uplets de la nouvelle relation R ∗ sont exprimés sous la forme
Q n-uplets a de R sont b et c, avec Q un quantificateur flou comme la plupart ou
peu de. Cette approche est considérée comme l’extension de l’approche des résumés
quantifiés. Elle s’apparente à une approche d’induction par attribut telle qu’elle a
été proposée dans le système DBMINER [38], en ne considérant qu’un seul niveau
de généralisation.
Les résumés à base de règles floues.

Dans le domaine des bases de données, les règles floues existent en tant que
dépendances fonctionnelles étendues [11, 21, 82] et représentent des contraintes d’in-
tégrité vérifiées par les données de la base. Pour les résumés linguistiques, les règles
floues sont utilisées comme un support pour l’élaboration d’énoncés en langage na-
turel qui résument les informations contenues dans une base de données. Ces règles
floues peuvent être découvertes à partir de données telle que la découverte des règles
d’association dans une démarche constructive. Une deuxième démarche appelée dé-
clarative consiste à valider des règles floues à partir d’énoncés exprimés dans un
langage déclaratif et évalués par rapport à une collection de données.
Des travaux ont été proposés par P. Bosc et al. [12] pour la construction de ré-
sumés linguistiques basés sur la découverte de règles graduelles comme plus les
employés sont âgés, plus leur salaire est élevé. Une autre approche propo-
sée par [85] pour la validation de résumés linguistiques exprimés sous forme de dé-
pendances fonctionnelles floues prolonge les travaux sur le langage des requêtes SUM-
MARYSQL détaillé précédemment. Cette approche présente les résumés linguistiques
sous la forme plus les employés sont âgés et haut placés, mieux ils sont
4
En informatique, le polymorphisme est l’idée d’autoriser le même code à être utilisé avec diffé-
rents types, ce qui permet des implémentations plus abstraites et générales.
payés. D’une manière différente des résumés linguistiques, les dépendances fonction-
nelles floues ont été exploitées par [20] pour proposer une méthode de réduction du
nombre de n-uplets d’une relation R. Cette méthode est basée sur la définition d’opé-
rateurs algébriques étendus qui conservent les propriétés des opérateurs de l’algèbre
relationnelle.
Dans les sections précédentes, nous avons fait un tour d’horizon des travaux de
recherche qui traitent du sujet de la compression de données. Parmi ces approches
nous avons présenté les méthodes statistiques ainsi que les approches basées sur les
modèles dont les résumés linguistiques.
Les approches statistiques sont dotées d’outils très puissants pour analyser et
pouvoir déduire des conclusions sur un grand nombre de données. Les notions de
probabilité et des statistiques ont l’avantage d’être intuitivement compréhensibles
pour un grand nombre d’utilisateurs. Ces approches résument les données d’une
façon très concise, ce qui limite de telles approches dans un processus de compression
sémantique pour un but de découvrir des connaissances. Spécialement les méthodes
de calculs d’agrégats et les moteurs OLAP, montrent bien cette limite. La fixation
des intervalles au préalable permet de résumer une partie des données sélectionnées
dans la base.
D’un autre côté, les algorithmes basés sur les modèles ou sur les méta-données
s’inscrivent dans une approche de fouille de données tout en permettant la réduction
des données volumineuses. Les méthodes d’apprentissage présentées dans ce chapitre,
cherchent à fournir une représentation en intention d’un ensemble d’objets. Les no-
tions de fascicles et de ItCompress, ont comme but de réduire l’espace de stockage
des données, en ayant la contrainte de respecter leur sémantique. Les méthodes par
induction et des résumés linguistiques, prennent en compte des connaissances de
domaines, ainsi que des variables linguistiques très proche du langage humain.
Le but général de ces différentes approches présentées jusqu’ici est de synthétiser
et de décrire globalement les données. Nous consacrons la section suivante à présenter
un système de compression sémantique de données basé sur la génération de résumés
linguistiques et s’appuyant sur la théorie des sous-ensembles flous. Ce système est
appelé SaintEtiQ.
3.3 SaintEtiQ
Nous présentons dans cette section une vue d’ensemble du système de génération
de résumés SaintEtiQ proposé par G. Raschia dans [83]. Ce système a pour but
de construire, à partir d’une relation définie sur une base de données, une hiérarchie
de résumés représentant cette relation. Il utilise de nombreuses notions issues de la
théorie des sous-ensembles flous, qui permet notamment de représenter des informa-
tions imprécises et incertaines. Seuls les points que nous estimons intéressants pour
la suite de ce document sont détaillés dans cette section. Pour plus d’information le
lecteur est invité à consulter les travaux décrits dans [83, 84]. Les élements essentiels
à la compréhension des principes de la théorie des sous-ensembles flous sont fournis
en annexe de ce document.
SaintEtiQ offre un algorithme de génération de résumés à partir d’une base de
données relationnelle qu’on notera R. Chaque élément de cette base est considéré
comme un enregistrement ou un n-uplet. On notera A = hA1 , A2 . . . , An i de cardina-
lité n l’ensemble des attributs de la relation R, tels l’âge, le revenu, ou bien le pays.
Un n-uplet t est donc noté :t = ht.A1 , t.A2 , . . . , t.An i , où chaque valeur d’attribut
t.A avec A ∈ A, est un élément de DA , où DA est le domaine d’un attribut A. Les
conventions d’écriture sont détaillées en annexe (notations) de ce document.
Les connaissances de domaine. L’utilité des connaissances de domaine, notée

BK pour Background Knowledge, est de permettre l’intelligibilité des résumés. Le BK
est utilisé pour réécrire les valeurs de n-uplets de la base de données en un langage
spécifié par l’utilisateur. Pour ce faire, le modèle SaintEtiQ identifie pour chaque
attribut les variables linguistiques issues de BK, qui sont proches de la description du
n-uplet. Ainsi, chaque enregistrement de la base de données est entièrement réécrit
sous forme de plusieurs n-uplets d’étiquettes floues.
Variable linguistique. Les variables linguistiques introduites par Zadeh en 1975 [105],
permettent la description d’une variable en fonction d’un ensemble de caractérisa-
tions floues. Formellement, une variable linguistique est définie de la manière sui-
vante :
Definition 3.5 (Variable linguistique). Une variable linguistique est représentée par
un triplet (V, Ω, Lv ) où V est une variable (par exemple le revenu, l’âge, . . . ) définie
sur un ensemble de référence Ω(R, N, . . .) et dont la valeur peut être n’importe quel
élément de Ω. On note Lv = {X, Y, . . .} un ensemble, fini ou non, de sous-ensembles
flous de Ω, restrictions de valeurs de V dans Ω, qui sont utilisés pour caractériser
V . Un élément de Lv est aussi appelé étiquette linguistique.
Figure 3.3 – Variable linguistique définie sur le domaine de l’attribut REVENU
Notons que dans le système SaintEtiQ, les étiquettes linguistiques doivent cou-
vrir l’ensemble du domaine Ω, ce qui correspond à une propriété des partitions floues.
La figure 3.3 décrit l’attribut REVENU avec les termes misérable, modeste, confortable
....
3.3.1 L’architecture du système

La figure 3.4 tirée de [90], donne une vue d’ensemble de l’architecture du système
SaintEtiQ. L’opération de résumé est un processus de découverte de connaissances à
partir des données. Proposant une phase de pré-traitement et une phase de fouille de
données (classification conceptuelle). La phase de pré-traitement permet au système
de réécrire les enregistrements de la base de données avant que ceux-ci ne soient
exploités par le processus d’extraction. Cette étape donne naissance à un ou plusieurs
n-uplets candidats qui sont différentes représentations, fonction des connaissances
définies sur le domaine, d’un même enregistrement de la base de données. La seconde
phase de fouille de données prend en considération les enregistrements de la base, un
à un, et leur applique un algorithme d’apprentissage dans l’objectif de produire des
résumés.
'
!
$
#
% &
"
'
& $ ( ( (
! & * ) ( ( (
( ( (
#
Figure 3.4 – Architecture du Système SaintEtiQ
Une version étendue du système SaintEtiQ a été proposée par R. SAINT-PAUL

et al. dans [90], afin de répondre aux exigences de passage à l’echelle et de mises à
jour incrémentales de la base de données résumée. Nombre d’applications ont été
testées sur ce système, notamment dans le domaine bancaire [93] et le domaine de
la recherche d’information dans les bases d’images [92].
Service de réécriture. L’opération de réécriture consiste à transformer les don-

nées initiales de la base, qui sont sous la forme de n-uplets t = ht.A 1 , . . . , t.Ak i où
chaque t.Ai est défini sur son domaine DAi . Pour chaque attribut A de A, l’opération
+ 5
de réécriture consiste à produire un sous-ensemble flou de DA . La réécriture d’une
5
Le domaine réécrit de l’attribut A.
valeur de l’attribut A est donc donnée par un ensemble flou dont les membres sont
+
les étiquettes linguistiques L de DA affectées chacune de son degré d’appartenance.
Exemple 3.2 (Réécriture). Soit l’enregistrement présenté ci-dessous, extrait
d’une table relationnele de [83]:
hNom(id), Catégorie socio-professionnelle, Age, Revenui

hBurns, patron de centrale nucléaire, 45 ans, 87 000 eurosi
Considérant que REVENU Burns.Revenu = 87000 euros, sa réécriture sur les dif-
férents attributs, selon les variables définies dans [83], page 81, nous donne :
Burns.CSP = {0.9/homme d’affaires + 1.0/chef d’entreprise}

Burns.Age = {1.0/adulte}
Burns.Revenu = {1.0/enorme}
On obtient ainsi deux tuples candidats notés ct:
ct1 = hBurns [1] , homme d’affaires, adulte, énormei

ct2 = hBurns [2] , chef d’entreprise, adulte, énormei
Service résumé. Dans l’architecture du système SaintEtiQ proposée par R.

SaintPAUL et al. [90], le service de résumés qui est proposé en tant que service
web est activé par une simple méthode qui prend en paramètre le document conte-
nant le ou les n-uplets dans leur forme préparée. Le traitement commence par la
création d’un nœud (résumé) racine d’une hiérarchie qui contient tous les n-uplets
candidats dans leur forme réécrite, la suite de la construction de l’arbre des résumés
se fait, selon un algorithme d’apprentissage que nous ne détaillons pas ici (voir [83]),
et à l’aide de quelques opérateurs que nous définissons ci dessous.
Les opérateurs d’apprentissage. Le processus SaintEtiQ se base sur un algo-

rithme d’apprentissage incrémental. Il construit et modifie une hiérarchie de résumés
par l’insertion séquentielle des n-uplets candidats. Les n-uplets candidats sont incor-
porés un à un dans l’arbre, par la racine, en utilisant quatre opérateurs d’apprentis-
sage. Ces opérateurs au nombre de quatre, sont les suivants :
1. initialiser : cet opérateur permet de créer un nouveau résumé ne contenant que
le n-uplet candidat ct qu’on cherche à incorporer dans l’arbre des résumés.
2. affecter : cet opérateur permet d’affecter le n-uplet candidat ct à l’un des
résumés déjà existants.
3. fusionner : cet opérateur permet de fusionner deux résumés z1 et z2 en un
résumé zmerge , les résumés z1 et z2 devenant les fils de zmerge . Le tuple candidat
ct est alors affecté au résultat zmerge de cette fusion. La figure 3.5 illustre ceci.
CHAPITRE 3 — Conclusion 57
4. éclater : connaissant un résumé zi , son père z0 et l’ensemble de ses fils zi1 , . . . , zin ,
cet opérateur fait disparaître zi pour faire remonter ses fils dans la hiérarchie,
en les rattachant au résumé z0 . Ce procédé est illustré sur la figure 3.6.
! " # $%&

'' '( ()' ((

'' '( (*' ((
Figure 3.5 – Opérateur de fusion
456 7 / 898:/ ;8<!= > ? @ A

1 1
+ , -./ 0 22 20 23 0
22 20 23
Figure 3.6 – Opérateur d’éclatement
3.4 Conclusion
Nous avons présenté dans ce chapitre les propositions qui existent en matière
de résumé de données, ou plus largement de compression sémantique des informa-
tions contenues dans de larges volumes de données. Ce tour d’horizon nous a permis
de positionner le système SaintEtiQ dans l’ensemble de ces propositions. Dans la
deuxième partie de ce document, nous nous intéressons de près à SaintEtiQ comme
une approche générant des résumés flous auxquels nous apporterons notre contribu-
tion.
Conclusion
Cette partie nous a permis de présenter deux domaines de recherche auxquels
nous nous sommes intéressés dans cette thèse. L’objectif commun de ces domaines
est de proposer à l’utilisateur une représentation complète des données, à un niveau
d’abstraction supérieur, en réduisant leur volume. Cet objectif est motivé par le
besoin des décideurs qui utilisent la présentation produite pour analyser un sujet
précis à l’aide d’outils dédiés.
Dans un premier temps, nous nous sommes focalisés sur les systèmes d’informa-
tion décisionnels et sur les avantages que propose l’analyse en ligne des données. Nous
avons pu réaliser que la mise en place de tels systèmes s’avère efficace pour gérer une
masse de données de plus en plus conséquente, et le stockage des données dans un
entrepôt constitue un support effectif pour l’analyse des données. Cette analyse se
fait par des systèmes OLAP dont la vocation est de fournir à l’utilisateur un outil
visuel pour explorer et naviguer dans les données d’un cube afin d’y découvrir rapi-
dement des connaissances. Une synthèse des opérateurs algébriques de manipulation
des données dans les systèmes décisionnels a été présentée.
Dans un deuxième temps, le second chapitre a été l’occasion de présenter les dif-
férentes approches qui traitent de la problématique de la compression sémantique.
Parmi ces approches, nous allons plus particulièrement concentré notre étude sur le
système SaintEtiQ. Celui-ci consiste à construire une collection de résumés orga-
nisés hiérarchiquement du plus général aux plus spécifiques. Chaque résumé fournit
une représentation concise d’un ensemble des n-uplets de la base de données résumée,
par le biais d’un sous-ensemble flou de descripteurs sur chaque attribut. L’enjeu du
résumé est la synthèse de l’information se trouvant au sein des faits individuels pour
en fournir une représentation concise.
La synthèse de ces deux chapitres nous permet de faire ici un rapprochement entre
un système décisionnel et SaintEtiQ. Nous pensons que ces deux approches tentent
de résoudre une double problématique commune : d’une part elles permettent de
réduire le volume d’une masse de données et d’autre part, elles offrent à l’utilisateur
un outil tangible d’aide à la décision.
SaintEtiQ : un système décisionnel

Nous estimons que SaintEtiQ peut tout à fait s’inscrire dans un processus d’aide
à la décision. Le lien que nous faisons entre SaintEtiQ et les systèmes décisionnels
est motivé par les similarités existantes entre les approches. Tout d’abord, l’objectif
des deux approches est de fournir à l’utilisateur une vue synthétique sur les données
à un niveau d’abstraction. La notion de "résumabilité 6 " a été prise en considération
6
capacité de synthèse.
59
60 Conclusion
dans les systèmes OLAP par le calcul d’agrégats. Les deux approches mettent en
avant leur aptitude à traiter d’importants volumes de données. Le deuxième point
commun que nous avons identifié est celui du traitement réservé aux données prises
en compte par chacune des deux approches. En effet, les données sont préalablement
nettoyées grâce aux ETL dans les systèmes décisionnels et grâce à la réécriture dans
SaintEtiQ. Les connaissances de domaine utilisée dans la phase de réécriture four-
nissent sur les attributs considérés par SaintEtiQ une grille de lecture des données à
l’aide des descripteurs linguistiques, il en va de même pour les modalités retenues sur
chaque dimension d’un cube. Par analogie, un attribut correspond donc à la notion
de dimension dans un cube de données.
Notre idée première vis-à-vis des systèmes décisionnels est de trouver les points de
convergence entre les systèmes OLAP, qui fournissent une vue résumée des données
sous forme de cubes, et les résumés construits par SaintEtiQ. Afin de compléter
cette comparaison, nous souhaitons attirer l’attention du lecteur sur les points sui-
vants :
– Les cellules d’un cube de données contiennent des valeurs agrégées pré-calculées
selon plusieurs dimensions. Cependant, ces cellules sont définies selon des in-
tervalles fixes de valeurs. Parallèlement, les résumés utilisent des concepts flous
avec différents degrés de satisfaction.
– Une mesure utilisée dans un cube de données est définie comme une fonc-
tion statistique et fournit une information quantitative sur les données. Cette
information est considérée comme une réponse effective à une requête don-
née, mais elle est incapable de fournir une réponse descriptive. Les résumés de
SaintEtiQ fournissent une information qualitative en proposant une descrip-
tion en intention et singulièrement des degrés de satisfaction à des prédicats
de requêtes.
– L’un des challenges de la construction des cubes de données est d’éviter la gé-
nération de cellules vides. Ce problème devient sérieux quand il s’agit d’espace
à grande dimension qui, en fonction de la distribution des données, donne lieu
à des espaces creux. Ce problème est inexistant dans le processus de génération
de résumés, dans la mesure où chaque résumé est crée en observant les données.
– Les données qui sont agrégées et souvent stockées dans des vues matérialisées
d’un entrepôt de données concernent un sujet prédéfini à analyser. Cette pré-
détermination affecte le choix des dimensions et des mesures pour la construc-
tion du cube. Cette orientation du sujet peut limiter les analyses du décideur
et l’influencer dans ses conclusions. Du côté de SaintEtiQ, la description mul-
tidimensionnelle que fournissent les résumés offre une grande flexibilité dans
l’interprétation et l’analyse. Le processus SaintEtiQ construit les résumés
sans aucune hypothèse quant à l’utilisation qui sera faite de la structure pro-
duite. L’ubiquité de la vision synthétique que proposent les résumés est donc
à opposer à la pré-détermination que sous-tend la mise en place des outils de
type OLAP.
Les résumés des données agrégées dans les systèmes OLAP sont plus souvent
des données issues d’indicateurs statistiques ou d’agrégats comme les sommes, les
Conclusion 61
compteurs ou les ratios. Ils sont calculés selon plusieurs axes et à différents niveaux
de granularité. L’avantage majeur des systèmes OLAP réside dans la structure de
stockage sur laquelle ils s’appuient leur permettant de pré-calculer les valeurs d’agré-
gats. Le second grand avantage des moteurs OLAP est l’ensemble des algorithmes
qu’ils proposent pour la mise à jour, autant que possible incrémentale, des cellules
d’un cube de données. Ceci permet de conserver un grand degré de fraîcheur des
données.
Les avantages que les systèmes OLAP proposent sont conformes avec les objectifs
des résumés, issus de SaintEtiQ. Ces avantages concernent l’interprétation, l’intelli-
gibilité, la présentation à différents niveaux d’abstraction et la vision synthétique des
données. En effet, l’un des points forts de SaintEtiQ est de présenter les données
sous une forme intelligible, dans un vocabulaire proche du langage de l’utilisateur.
Le résumé peut être considéré comme un outil d’analyse directement utilisable en
ce qu’il fournit une représentation synthétique des données qui peut apporter une
connaissance non triviale sur les données.
La maintenance incrémentale des résumés s’impose pour garantir un bon niveau
de fraîcheur. La prise en compte incrémentale des opérations d’insertion, modifica-
tion et suppression des n-uplets de la base de données résumée permet d’assurer un
maintien permanent de la cohérance de la hiérarchie de résumés. La relation d’ordre
définie sur les résumés possède une équivalence en terme d’union sur les ensembles
d’individus. En ce sens, chaque résumé parent réalise un groupement d’individus
sur des critères qui ne sont pas fixés mais au contraire évalués dynamiquement en
fonction de la distribution. En s’appuyant sur la théorie des sous-ensembles flous,
les descripteurs utilisés par SaintEtiQ introduisent en outre une souplesse dans la
définition des frontières des intervalles limitant ainsi l’effet de seuil.
Le maintien en ligne de la consistance du résumé vis-à-vis de la base de données,
positionne SaintEtiQ dans la lignée des systèmes OLAP. En comparant aux tech-
niques d’analyse en ligne ou OLAP, et étant donné le volume de données produites
par SaintEtiQ dans la hiérarchie, un besoin primordial pour SaintEtiQ serait d’en-
richir les modes d’exploration de la structure produite. La structure du cube peut
être comparée à une coupe de la hiérarchie des résumés. La définition d’une structure
qui peut être un support d’analyse en ligne, s’inscrit bien dans une volonté de créer
pour les résumés de SaintEtiQ un parallèle avec les méthodes d’analyse en ligne
que proposent les systèmes OLAP. Pour atteindre cet objectif il paraît essentiel de
mettre au point un modèle multidimensionnel de résumés et une algèbre pour les
manipuler qui serait le pendant de celle des cubes de données.
Suite à cette brève discussion, nous allons nous concentrer sur le principal avan-
tage des systèmes OLAP, c’est-à-dire l’analyse exploratoire des données. En effet, ces
systèmes mettent à la disposition des décideurs, une interface graphique qui permet
à l’utilisateur de naviguer et de manipuler les données. Cette phase d’analyse en
ligne des données, constitue la réponse au besoin que nous avons soulevé pour faire
évoluer le processus SaintEtiQ vers un système décisionnel, ce besoin réside dans
la partie concernant l’exploration des résumés produits par SaintEtiQ.
Pour répondre à ce besoin, notre proposition, qui constitue la contribution de
62 Conclusion
cette thèse, se décline en trois points :

– Enrichir la hiérarchie en proposant un modèle multidimensionnel formel sur
lequel pourra s’appuyer une analyse en ligne.
– Définir une algèbre de manipulation en ligne des résumés.
– Offrir une représentation qui facilite l’interprétation des résumés et aide l’uti-
lisateur pour la prise de décision.
La deuxième partie de ce document, est entièrement consacrée au détail de notre
proposition.
PARTIE II
Vers un processus d’analyse en
ligne de résumés flous
Introduction
La présente partie de nos travaux, est consacrée à la contribution que nous appor-
terons au système SaintEtiQ. Elle consiste en la proposition d’un modèle, orienté
utilisateur, pour supporter l’analyse en ligne des résumés générés par SaintEtiQ.
Afin d’atteindre cet objectif, trois chapitres composent cette partie.
Le premier chapitre concerne la partie modélisation. Il propose un modèle multi-
dimensionnel pour les résumés de données flous. Par analogie aux cubes de données
des systèmes OLAP, vu dans la première partie, ce modèle se base sur une struc-
ture appelée partition de résumés, correspondant à un niveau d’abstraction de la
hiérarchie des résumés de SaintEtiQ.
Dans le second chapitre, en s’inspirant de l’algèbre de manipulation des cubes
OLAP, nous définissons un ensemble d’opérations algébriques pour manipuler les
résumés linguistiques du système SaintEtiQ. Les caractéristiques floues de ces ré-
sumés, font l’objet de l’adaptation d’une algèbre d’analyse en ligne aux résumés de
SaintEtiQ, et aux différentes partitions de résumés extraites d’une hiérarchie.
Nous nous intéressons dans le troisième chapitre, aux prototypes flous et à leur
utilisation dans les résumés linguistiques. Ceci dans le but de trouver une meilleure
représentation intelligible pour le contenu d’un résumé issu d’une partition qui cor-
respond à une vue de la hiérarchie de SaintEtiQ.
65
C HAPITRE 4
Un modèle
multidimensionnel pour
les résumés de données
Reconsidérer, chercher une justification pour une décision
déjà prise.
— Le Dictionnaire du Diable, 1911.
On a abordé dans le précédent chapitre la hiérarchie générée par le proces-

sus SaintEtiQ. SaintEtiQ est un système basé sur un processus de classification
conceptuelle qui construit en résultat une hiérarchie de résumés contenant l’ensemble
de la base originale. Son premier objectif est la synthèse de données volumineuses
sous formes de résumés. Or, les résumés que génèrent SaintEtiQ restent très nom-
breux pour un utilisateur qui souhaite les exploiter et les analyser.
Dans ce chapitre, nous offrons à la hiérarchie produite par SaintEtiQ une nou-
velle organisation et une présentation plus proche d’un utilisateur ordinaire. Pour
ceci, nous définissons un modèle basé sur l’extraction de différentes coupes de la hié-
rarchie appelées partitions de résumés. Ces partitions forment la base d’un modèle
multidimensionnel et fournissent des vues synthétiques sur l’ensemble des données
originales.
4.1 Rappel des objectifs

Nous avons étudié dans le premier chapitre de ce document, l’architecture d’un
système décisionnel. Nous avons retenu l’existence de quatre grands modules qui
constituent la chaîne d’un processus d’aide à la décision. Il s’agit de l’intégration
qui consiste à nettoyer les données source et les transformer, de la construction de
l’entrepôt de données, de la réorganisation de cet entrepôt en magasins de données
et enfin de l’interrogation qui consiste à manipuler les cubes de données et à les
représenter à l’utilisateur.
L’un des objectifs fixés dans ce chapitre, est d’adapter le système SaintEtiQ à
l’architecture type d’un processus d’aide à la décision ou d’un système décisionnel
(voir chapitre 2). La figure 4.1 propose l’architecture vers laquelle nous souhaitons
67
68 CHAPITRE 4 — Un modèle multidimensionnel pour les résumés de données
conduire le système SaintEtiQ. Dans cette architecture, la hiérarchie est considérée

comme un "entrepôt de résumés". L’intérêt du modèle proposé dans ce chapitre est
de réorganiser la hiérarchie des résumés dans le but de faciliter pour l’utilisateur
l’accès et l’analyse des données se trouvant dans ces résumés. Une structure multi-
dimensionnelle est proposée afin de modéliser chaque ensemble de résumés extraits
à partir de cette hiérarchie. La collection de résumés extraite doit fournir une vue
synthétique par rapport aux données de la base originale et doit être une structure
sur laquelle pourrait se baser l’utilisateur pour l’analyse et la prise de décision. Par
la suite nous allons manipuler ces vues à l’aide d’un ensemble d’opérateurs.
Le modèle que nous proposons dans ce chapitre doit permettre l’application d’une
analyse en ligne des résumés en prenant en considération leur aspect flou. Sur la
figure 4.1, l’architecture décisionnelle du système SaintEtiQ regroupe différentes
phases, présentées ci-dessous.
Figure 4.1 – Vers une architecture décisionnelle de SaintEtiQ
La première partie contient les phases d’ETL1 et de construction. Dans l’archi-

tecture décisionnelle du système SaintEtiQ, l’outil ETL se trouve à l’étape de ré-
écriture. En effet, la réécriture permet un premier niveau d’abstraction qui présente
également l’avantage d’homogénéiser la représentation des données. Ce processus
1
Extraction, Transformation et Loading
CHAPITRE 4 — Un modèle multidimensionnel pour les résumés de données 69
consiste en la transformation des données originales en données réécrites, au moyen

de connaissances de domaines et d’un ensemble de descripteurs linguistiques. Les
détails de cette phase se trouvent dans la section 3.3.1 du chapitre précédent. La
phase de construction de la hiérarchie, par analogie, correspond à la construction
d’un "entrepôt de résumés". Cette phase utilise pour la construction de la hiérarchie
un algorithme de généralisation par formation de concepts flous. Elle intervient après
l’abstraction contenue dans la phase de réécriture.
La deuxième partie correspond dans notre approche à la modélisation et à la
réorganisation des résumés selon le modèle multidimensionnel proposé dans ce cha-
pitre, ainsi qu’à la manipulation de ces structures multidimensionnelles détaillée dans
les chapitres suivants. La modélisation a comme objectif de rendre les résumés de
données flous plus intelligibles et plus proches d’un décideur ou d’un analyste non
expert. Cette modélisation est la phase intermédiaire entre les résumés générés par
SaintEtiQ et la phase d’exploitation. Elle permet d’avoir une structure multidi-
mensionnelle qui facilitera les manipulations dans un processus d’analyse en ligne.
Ces manipulations sont basées sur l’organisation hiérarchique et la granularité des
résumés. En premier lieu, la phase de réorganisation consiste à présenter la hiérar-
chie proposée par SaintEtiQ sous une forme plus simplifiée ce qui facilitera son
exploration ainsi que l’accès aux données se trouvant dans les résumés à un utili-
sateur lambda. Et en second lieu, l’étape de manipulation contient l’adaptation des
opérateurs OLAP au modèle proposé. Ces opérateurs vont permettre d’interroger
les résumés de données et de visualiser et analyser les données à différents niveaux
d’abstraction de la hiérarchie résultante. Cette partie sera détaillée dans le chapitre
suivant de ce document.
4.2 Le modèle de résumé

Nous abordons dans cette section, les différentes caractéristiques du modèle de
résumé de données tel que défini par le modèle SaintEtiQ.
Un résumé z est défini par un triplet z = (Iz , Rz , Ez )2 de l’espace R∗ × R × ξ.
Les éléments de ce triplet représentent, pour Iz , l’intention du résumé z, pour Rz son
extension et, pour Ez , un ensemble de relations typées existant entre z et d’autres
résumés.
4.2.1 L’intention et l’extension du résumé

Dans SaintEtiQ, un résumé z est caractérisé par une définition en intention,
qui donne une représentation du résumé suivant les descripteurs linguistiques qui
auront précédemment été choisis, et une définition en extension, qui consiste en la
description de l’ensemble des n-uplets composant le résumé.
Definition 4.1 (Intention du résumé.). L’intention Iz d’un résumé z est un élément

2
R est la relation d’origine à résumer.
du produit cartésien des sous-ensembles flous des domaines d’attribut réécrits.
+
Iz = hz.A1 , . . . , z.Ak i . z.Ai ∈ F(DA i
), 1 ≤ i ≤ n,
+
où DA est l’ensemble des descripteurs définis sur l’attribut A.
Le calcul du coefficient associé à chacun des descripteurs linguistiques présen-

tant un attribut Ai dans l’intention du résumé z, s’effectue en gardant le coefficient
maximum exprimé par les n-uplets candidats qui constitueront z.
L’intention d’un résumé est donc sa description au moyen des étiquettes linguis-
tiques définies dans le BK3 qui a été utilisé pendant la phase de réécriture. L’espace
de représentation de l’intention d’un résumé est le même que celui de représentation
des n-uplets réécrits. Toutefois, dans le cadre des résumés, une mesure supplémen-
taire appelée support est également associée à chaque descripteur. Le support d’un
descripteur représente le nombre de n-uplets du résumé pour lesquels ce descripteur
possède un degré de satisfaction non nul. Lorsque l’intention n’est définie que par un
descripteur, le support est donc égal au nombre de n-uplets contenus dans l’extension
du résumé.
Definition 4.2 (Extension d’un résumé.). Soit z un résumé. L’extension R z de z

est l’ensemble des n-uplets candidats cti représentés par le résumé z.
Rz = {ct1 , ct2 , . . . , ctn }
Notons qu’il est toujours possible, à partir de cette définition de retrouver les
n-uplets de la relation R décrits par le résumé z. En effet, chaque n-uplet candidat
est associé à l’enregistrement de la base de données qui l’a générée. Il est également
possible d’exprimer Rz à partir de l’intention Iz comme l’ensemble de n-uplets tels
que leur réécriture par φ possède un descripteur commun avec l’intention du résumé :
Rz = {t ∈ R|∀A ∈ A, ||φ(t.A) ∪F z.A|| > 0}
Exemple 4.3 (Intention et extension). Soit le résumé z composé des n-uplets

de la table 4.1 tirée de [83] . L’extension de z est simplement l’ensemble des n-uplets
réécrits que résume z :
Rz = {Apu [1] , Apu [2] , Burns [1] , Burns [2] , Homer [1]}
L’intention de z est décrite sur deux attributs CSP et REVENU. On obtient donc :
z = h{0.9/homme d’affaires + 0.8/cadre supérieur + 0.9/chef d’entreprise } , {1.0/raisonnable + 1.0/énorme}i
3
Background knowledge.
Nom(id) CSP φ Revenu φ Réf

Apu[1] homme d’affaires .7 raisonnable .7 Apu
Apu[2] chef d’entreprise .6 raisonnable .7 Apu
Burns[1] homme d’affaires .9 énorme 1.0 Burns
Burns[2] chef d’entreprise 1.0 énorme 1.0 Burns
Homer[1] cadre supérieur .8 raisonnable 1.0 Homer
Table 4.1 – Extrait de la table réécrite PERSONNAGES-SIMPSONS
4.2.1.1 Les cardinalités du résumé

Comme illustré dans la table 4.1, nous savons qu’un enregistrement de la base
de données peut être réécrit en un ou plusieurs n-uplets(s) candidats(s). Il est en
effet possible d’avoir dans un même résumé plusieurs candidats d’un même n-uplet
original. Ceci ne reflète toutefois pas le contenu réel du résumé puisque chaque n-uplet
candidat participe avec un poids plus ou moins important dans la représentation des
n-uplets de la base d’origine.
Nous avons vu que l’extension du résumé Rz contient les n-uplets candidats qui
composent le résumé, mais la cardinalité de l’ensemble Rz augmente de 1 si seulement
on incorpore un nouveau candidat dont l’identifiant n’est pas déjà présent dans le
résumé. Le comptage des identifiants décrit par le résumé ne peut donc nous fournir
une bonne idée sur sa représentativité vis-à-vis de la base de données de départ. On
distinguera donc deux cardinalités différentes.
Definition 4.3 (Cardinalité absolue d’un résumé). La cardinalité absolue d’un ré-
sumé reflète le nombre d’instances de la base de données qui sont décrites dans ce
résumé. Cette valeur est donnée par le cardinal |Rz| de l’ensemble classique Rz . On
notera également |z| cette même valeur.
Definition 4.4 (Cardinalité relative d’un résumé). La cardinalité relative d’un ré-
sumé reflète sa représentativité par rapport à la base de données de départ. Elle prend
donc en compte non pas le nombre absolu de n-uplets de la base, mais le poids ω de
chaque n-uplet candidat qui a été affecté au résumé.
X
card(Rz ) = ω(ct)
ct∈z
avec, ω(ct) = N1(t) où N (t) est le nombre de n-uplets candidats générés par t. Natu-
rellement, on a toujours card(z) ≤ |z| car ∀ct, ω(ct) ≤ 1.
Par exemple, si l’on reprend le tableau 4.1, on trouve ω(Apu[1]) = 1/2, ω(Homer[1]) =
1 et la cardinalité est card(Rz ) = 3. De même on peut définir une cardinalité relative
appliquée aux étiquettes linguistiques de l’intention du résumé, afin de pouvoir les
comparer entre elles : X
cardz.A (d) = ω(ct).
ct∈Rz |ct.A=d
Ainsi, cardz.revenu (raisonnable) = 1/2 + 1/2 + 1 = 2.

4.2.2 Relation sur les résumés.

+ 4
Etant donnés deux résumés z et z 0 , éléments du produit cartésien Z = ΠA∈A (FA ) ,
la relation est définie sur Z × Z par :
z z 0 ⇔ Rz ⊆ Rz 0
où la relation ⊆ sur les extensions Rz et Rz 0 respectivement des résumés z et z 0 est

la relation d’inclusion sur les ensembles classiques.
z
spécialisation généralisation
z1 z2
z11 z12
Figure 4.2 – Généralisation entre les résumés
D’un point de vue sémantique, la relation d’ordre traduit un phénomène de

généralisation des résumés les uns par rapport aux autres. Lorsque deux résumés z
et z 0 sont liés par la relation on dit que z 0 généralise z, de telle sorte que, s’ils sont
comparables par la relation , les descripteurs de z 0 sont au moins aussi satisfaisants
et représentés que ceux de z, ou bien ce sont de nouvelles étiquettes linguistiques
représentant les caractéristiques des éléments de Rz 0 − Rz . La figure 4.2 schématise
la relation de généralisation qui existe entre les résumés.
Soit z et z 0 deux résumés. Si z 0 généralise z (z z 0 ) alors la description inten-
tionnelle de z sur chaque attribut est incluse dans la description intentionnelle de
z0 :
z z 0 ⇒ ∀A ∈ A, z.A ⊆F z 0 .A
où la relation ⊆F sur les ensembles flous z.A et z 0 .A de FA+ correspond à l’inclusion
floue classique.
4.3 La hiérarchie de SaintEtiQ

Le système SaintEtiQ tel qu’il a été proposé dans [84] génère une hiérarchie de
résumés représentant la base de données à différents niveaux de granularité. Plus on
descend vers les feuilles, plus les résumés sont précis.
4
l’ensemble des sous-ensembles flous construits sur A.
Exemple 4.4 (Organisation hiérarchique des résumés de SaintEtiQ). La

figure 4.3 montre un exemple de l’organisation hiérarchique des résumés. Chaque
nœud correspond à un résumé, le nœud racine contient tous les n-uplets candidats de
la table relationnelle résumée.
Résumé le plus
général
résumés les plus spécifiques
Figure 4.3 – Organisation hiérarchique des résumés SaintEtiQ
A chaque nœud correspond un résumé z. La racine de l’arbre, notée z0 , est un

résumé de tous les enregistrements de la base de données. C’est évidemment le ré-
sumé le plus général que l’on puisse faire sur les données. Lorsque l’on descend dans
les branches de l’arbre, les nœuds correspondent à des sous-ensembles de plus en
plus réduits d’enregistrements de R, de telle sorte que les résumés sont de plus en
plus spécialisés. Les résumés définis dans les feuilles de l’arbre déterminent donc la
plus fine granularité disponible, en termes de capacité de synthèse, avant d’atteindre
directement les enregistrements de la base. Identifier la structure arborescente des
connaissances est équivalent à l’établissement d’un ordre partiel sur les résumés.
Cette hiérarchie résultante d’un processus de construction à partir de la relation de
base R sera notée, dans ce document, par HR .
La hiérarchie proposée par SaintEtiQ reste encore volumineuse. La figure 4.4

montre les premiers niveaux d’un exemple de hiérarchie produite par SaintEtiQ sur
un jeu de données de 33700 n-uplets d’origine définis sur dix attributs, qui a pro-
duit une hiérarchie de 27304 résumés dont 14766 feuilles. Toutefois, cette hiérarchie
contient un grand nombre d’information dont a besoin un utilisateur final. Mais la
forme finale de cette hiérarchie est encore assez difficile à exploiter pour l’utilisateur.
Figure 4.4 – Les premiers niveaux d’une hiérarchie résultante de SaintEtiQ
4.3.1 Quelques caractéristiques de la hiérarchie de résumés

4.3.1.1 Relation d’ordre partiel sur les résumés
Nous avons déjà évoqué la relation d’ordre partiel qui existe sur les résumés de
la hiérarchie générée par SaintEtiQ, dans la section 4.2 du chapitre 2.
Ainsi, à tout niveau de la hiérarchie, un nœud père doit généraliser chacun de ses
fils. Les n-uplets candidats de l’extension d’un résumé sont aussi représentés dans
l’extension de tous les résumés ancêtres de ce résumé, et ce jusqu’à la racine. Cette
relation d’ordre partiel se traduit au niveau des résumés d’une hiérarchie, comme il
est présenté dans l’exemple 4.5.
Exemple 4.5 (Relation d’ordre partiel sur les résumés). Soient les résumés
z, z 0 , z 00 , tel que z généralise z 0 et z 00 :
z 0 z et z 00 z
z0 z 00
– Relation d’ordre partiel sur l’intention : sur cet exemple, les trois résumés sont
décrits intentionnellement sur les deux attributs AGE et REVENU. On note que
l’intention du résumé z contient celle de z 0 et celle de z 00 .
z 0 .AGE ⊆ z.AGE et z 00 .AGE ⊆ z.AGE
z 0 .REV EN U ⊆ z.REV EN U et z 00 .REV EN U ⊆ z.REV EN U

z = h{0.8/jeune + 0.6/vénérable} , {0.4/raisonnable + 0.8/énorme}i
z 0 = h{0.8/jeune} , {0.4/raisonnable}i z 00 = h{0.6/vénérable} , {0.8/énorme}i

– Relation d’ordre partiel sur l’extension : l’ensemble des n-uplets affectés au résumé
z est celui que nous retrouvons dans l’union des n-uplets se trouvant dans z 0 et
dans z 00 .
Rz 0 ⊆ Rz et Rz 00 ⊆ Rz
on conclut que Rz = Rz 0 ∪ Rz 00 .
Les résumés z 0 et z 00 sont généralisés par le résumé z, ce sont deux branches de z
dans la hiérarchie. Ils sont plus spécifiques, et le niveau de synthèse qu’ils offrent
sur les données est plus réduit que celui que donne le résumé z. D’un autre côté, la
représentativité de ces deux résumés z 0 et z 00 est plus faible que celle du résumé z.
Cette représentativité par rapport à la base originale est obtenue grâce aux mesures
de cardinalités des résumés abordées dans la section 4.2. Ainsi, les cardinalités de
l’ensemble de ces trois résumés et suivant la relation P qui existe entre eux peuvent
être exprimées comme suit, sachant que card(Rz ) = ct∈Rz ω(ct), l’extension Rz
contient généralement les n-uplets candidats.
|z| > |z 0 | et |z| > |z 00 |
card(Rz ) > card(Rz 0 ) et card(Rz ) > card(Rz 00 )
4.3.1.2 Orthogonalité de la hiérarchie

La hiérarchie produite par le système SaintEtiQ est construite d’une façon qu’à
chaque niveau, si on considère l’ensemble des fils d’un résumé, la lecture de leurs in-
tentions respectives permette de replacer un n-uplet candidat appartenant au résumé
père de manière déterministe dans l’un de ses fils.
Definition 4.5 (Hiérarchie faiblement orthogonale). Soit z0 un résumé et z1 , . . . zn

l’ensemble de ses fils. Alors la hiérarchie z0 , . . . zn est dite faiblement orthogonale si :
∀i, j ∈ [1, n] ∃k ≤ m, zi .Ak ∩ zj .Ak = ∅,
où m est le nombre d’attributs du résumé z.
Exemple 4.6 (Hiérarchie faiblement orthogonale). Soit les résumés z 1 , z2 , z3

définis en intention, sur les deux attributs AGE et REVENU par :
z1 = h{0.8/jeune + 0.6/vénérable} , {0.4/raisonnable + 0.8/énorme}i

z2 = h{0.6/jeune} , {0.9/raisonnable + 0.7/indécent}i
z3 = h{1.0/enfant + 0.9/vénérable} , {1.0/indécent}i
Dans ce cas, z1 et z2 ne vérifient pas la propriété énoncée dans la définition 4.5,

puisque :
z1 .AGE∩z2 .AGE = {0.6/jeune} et z1 .REV EN U ∩z2 .REV EN U = {0.4/raisonnable}
Par contre, z2 et z3 vérifient cette propriété, car z2 .AGE ∩ z3 .AGE = ∅.
Cette contrainte structurelle forte, est essentielle dans la définition d’un modèle
pour chaque coupe sur la hiérarchie dans les meilleures conditions.
4.3.1.3 Hauteur d’un résumé
Definition 4.6 (Hauteur du résumé). La hauteur d’un résumé notée haut(z) n’est
que la profondeur de la plus longue branche du sous-arbre du nœud z. Cette mesure
représente la hauteur dans l’arbre du résumé. Par exemple haut(z) = 0, z est une
feuille.
Cette mesure est définie afin de pouvoir localiser le niveau auquel appartient un
résumé, elle peut effectivement renseigner un utilisateur sur le degré de spécificité
d’un résumé suivant la profondeur à laquelle il se situe sur l’ensemble de la hiérarchie.
Les différentes caractéristiques de la hiérarchie sont souvent relatives aux carac-
téristiques des résumés mêmes, comme leurs cardinalités ou la relation qui existe
entre eux. En effet, la relation d’ordre partiel permet aussi d’identifier une struc-
ture arborescente sur les connaissances contenues dans les résumés. Quand à la forte
contrainte de faible orthogonalité, c’est une forte condition nécessaire au modèle qui
sera présenté dans ce chapitre, ainsi qu’à l’algèbre de manipulation des résumés.
4.4 Le modèle multidimensionnel de résumés

La problématique soulevée jusqu’ici dans ce chapitre, concernant le grand volume
de la hiérarchie des résumés produite par SaintEtiQ, est celle de comment rendre
plus facile le fait d’explorer cette dernière dans un but d’extraction de connaissances
ou d’analyse de données.
Notre proposition ici, est celle de la définition d’un modèle basé sur une struc-
ture multidimensionnelle pour supporter l’exploration et l’analyse en ligne dans une
hiérarchie de résumés linguistiques. Cette structure est un cadre général permettant
de donner une définition formelle aux différentes extractions qu’on peut faire sur les
résumés de la hiérarchie.
4.4.1 Partition de résumés

Du point de vue de l’utilisateur, chaque coupe de la hiérarchie est une forme
différente de la relation d’origine R. Ceci est dû, au fait que chaque coupe contient des
résumés différents où chacun représente une partie de la R. Nous voulons construire
une vue matérialisée générique à partir de l’ensemble des parties de la relation R.
En conséquence, nous proposons de définir la notion de partition de résumés sur
une collection de résumés qui vérifient quelques propriétés.
Definition 4.7 (Partition de résumés). Soit A = {A1 , . . . Am } un ensemble d’attri-
buts. Une partition de résumé P est un ensemble de résumés z construit sur A et
satisfaisant la propriété d’orthogonalité faible.
La propriété d’orthogonalité faible définie sur la hiérarchie de SaintEtiQ, se
traduit sur une partition de résumé P de la manière suivante :
∀(z, z 0 ) ∈ P 2 , z 6= z 0
∃A ∈ A, z.A ∩ z 0 .A = ∅ et,
ct ∈ z ∩ ct ∈ z 0 = ∅.
Ce qui signifie qu’on ne peut pas avoir deux résumés dans la même partition qui ont
la même représentation intentionnelle sur la totalité des attributs. On dit que deux
résumés sont conflictuels s’ils ne vérifient pas la propriété d’orthogonalité faible. Il
est important de dire qu’une partition de résumés permet un partitionnement réel
des données à l’aide des extensions des résumés.
Deux résumés z et z 0 sont dits conflictuels si, pour chaque attribut, z et z 0 ont
au moins un descripteur en commun, c’est-à-dire si z et z 0 vérifient :
∀A ∈ A, |z.A ∩F z 0 .A| > 0
Definition 4.8 (Espace de partitions). Soit A = {A1 , . . . Ak } un ensemble d’attri-
buts. L’espace de partitions noté P̄ est l’ensemble des partitions de résumés construites
sur X, ∀X ⊆ A.
4.4.2 Un niveau d’abstraction

La hiérarchie produite par SaintEtiQ fournit à l’utilisateur un modèle général
des données à différents niveaux d’abstraction. Ces niveaux sont appelés des niveaux
de granularité. Ici nous considérons qu’un niveau d’abstraction ou de granularité
correspond à une coupe de la hiérarchie.
A partir de cette hiérarchie HR , il nous est possible de sélectionner un ensemble
de résumés pour construire une nouvelle relation R ? dont le schéma est le même que
la relation R. La relation R? contient les représentations intentionnelles des résumés
contenant les n-uplets réécrits des enregistrements de R, elle doit couvrir la totalité
de la relation originale R tel que :
[
R? = σ(R) et = R.
z∈R?
Cependant, la taille de R? peut être librement choisie. La relation R? la plus

précise pour représenter R est donnée par l’ensemble de tous les résumés feuilles.
A l’opposé, la relation la plus concise est celle qui regroupe un seul résumé, ce-
lui représenté par le nœud de la racine. Une relation R ? de n’importe quelle taille
intermédiaire, composée de résumés plus ou moins précis, choisis pour représenter
l’intégralité de la relation de base R, peut être calculée à partir de la hiérarchie H R .
Definition 4.9 (Coupe). Une coupe C de l’arbre des résumés est un ensemble de
résumés vérifiant les deux propriétés suivantes :
– l’orthogonalité S
faible et ,
– la complétude C (Rz ) = R.
On note C(HR ) l’ensemble des coupes construites sur l’hiérarchie HR .
Exemple 4.7 (Une coupe de la hiérarchie). La figure 4.5, montre un exemple

de coupe(s) que nous pouvons extraire à partir de la hiérarchie présentée sur cette
figure. La coupe la plus générale est la racine de la hiérarchie z0 et la plus spécifique
est celle qui contient l’ensemble des feuilles z∗ = {zi , avec haut(zi ) = 0}, haut(zi )
est la hauteur d’un nœud résumé dans la hiérarchie (voir définition 4.6).
z
0 C
z1 z2 z3 C’
z 11 z 12 z 13 z 21 z 22
C’’
z 121 z 122 z 221 z 222
Figure 4.5 – Exemple de coupes sur une hiérarchie
Dans la suite du document, les deux termes coupe et partition de résumés, seront
utilisés pour désigner la même structure. Elle fournit à un niveau d’abstraction donné,
un ensemble de résumés muni des deux contraintes de complétude et d’orthogonalité
faible.
Génération des coupes

Nous considérons une hiérarchie HR déjà générée par SaintEtiQ à partir de
la base originale R. L’objectif est d’extraire toutes les vues, à différents niveaux
d’abstraction, de cette hiérarchie. Chaque vue est une coupe de la hiérarchie qui
couvre la totalité de la base R.
Alg. 4.1 – Calcul des coupes d’une hiérarchie

Entrée: HR : une hiérarchie de résumés, de racine root.
Sortie: un ensemble de coupes.
DEBUT
Déclarations : entier i = 0, Pi = ∅,
P̄ ←−<> {la liste des coupes}
Appel principal : CalculCoupe( root);
CalculCoupe(nœud)
début CalculCoupe()
si nœud a des voisins alors
Pi ←− nœud + liste des voisins
sinon
Pi ←− nœud
fin si
si nœud a des fils alors
pour chaque fils du nœud faire
i ←− i + 1
Pi ←− nœudfils
nœud ←− nœudfils
CalculCoupe(nœud)
fin pour
sinon
nœud ←− nœudvoisin
CalculCoupe(nœud)
fin si
P̄ ←− Pi
retourner P̄.
fin CalculCoupe()
FIN.
La complexité de cet algorithme est de O(n), n étant le nombre de nœuds de la

hiérarchie HR .
Exemple 4.8 (Les coupes d’une hiérarchie de résumés). Nous prenons dans
cet exemple la hiérarchie présentée dans la figure 4.6, afin d’en extraire toutes les
coupes possibles.
L’ensemble des coupes extraites, noté C(HR ), comprend la collections de partitions
z0
z1 z z3
2
z z z z z
11 12 13 21 22
z z z z
121 122 221 222
Figure 4.6 – Hiérarchie d’un résumé résultat
suivantes :
P0 = {z0 }


P1 = {z1 , z2 , z3 }








 P2 = {z11 , z12 , z13 , z2 , z3 }



 P3 = {z11 , z121 , z122 , z13 , z2 , z3 }
P4 = {z1 , z21 , z22 , z3 }

C(HR ):

 P5 = {z1 , z21 , z221 , z222 , z3 }
P6 = {z11 , z12 , z13 , z21 , z22 , z3 }




P7 = {z11 , z12 , z13 , z21 , z221 , z222 , z3 }




P8 = {z11 , z121 , z122 , z13 , z21 , z22 , z3 }





P9 = {z11 , z121 , z122 , z13 , z21 , z221 , z222 , z3 }
Cet ensemble de coupes est constitué de dix partitions de résumés qui représentent
chacune la base de données R originale avec une précision variable.
L’ensemble des coupes d’une hiérarchie C(HR ) est constitué donc des partitions
de résumés qui forment une coupe couvrant la relation R. Ces partitions sont re-
présentées dans l’espace de partitions défini sur un ensemble d’attributs A. Nous
concluons donc que :
C(HR ) ⊆ P̄
P̄ étant l’espace de partition sur R.

La structure de données définie dans ce chapitre, une collection de coupes d’une

hiérarchie de résumés, a été inspirée de la structure multidimensionnelle des systèmes
décisionnels appelée cube de données.
4.4.3 Partition de résumés vs. cube de données

Le modèle proposé dans ce chapitre ne constitue aucunement une extension des
cubes de données, mais partage plutôt un objectif commun qui est de fournir une
vue synthétique sur des données. Dans la mesure où nous nous sommes inspirés des
cubes OLAP pour proposer la structure de partitions de résumés, tout ceci dans le
but de supporter un processus d’analyse en ligne, il s’avère important de faire une
comparaison entre les deux structures.
Le tableau 4.2 présente donc un comparatif entre les cubes de données et les
partitions de résumés sur les critères de base d’une structure multidimensionnelle
(fait, mesure, dimension et hiérarchie). Pour mémoire, une comparaison générale
des principales similitudes et distinctions entre ces deux structures a été abordée en
conclusion de la première partie de ce manuscrit.
Modèle Partition de résumés Cube de données

Fait n’existe pas / ensemble d’at- choix du sujet pour les axes
tributs résumés d’analyse
Mesure degrés d’appartenance - de-
grés de représentativité
description linguistique valeurs agrégées
une mesure qualitative et des mesures quantitatives
quantitative
Dimension attribut attribut ou table relationnelle
Hiérarchie l’espace des attributs multidi- existe sur les dimensions
mensionnels
étiquettes linguistiques intervalles de valeurs
Table 4.2 – Comparaison entre une partition de résumés et un cube de données.
Le modèle tel qu’il vient d’être défini, fournit à l’utilisateur des vues de granularité
variable, composées d’un ensemble de résumés. Ces vues ou partitions de résumés sont
extraites de la hiérarchie mais il n’existe a priori aucune organisation naturelle sur
l’espace de partitions qui nous permette d’évaluer systématiquement la granularité
relative d’une partition par rapport à une autre. Nous proposons dans la section
suivante, la formalisation d’un ordre total pour classer ces partitions de résumés.
4.5 Organisation des partitions de résumés

Comme nous l’avons déjà abordé dans la section 4.3.1.1, il existe une relation
d’ordre partiel sur les résumés de la hiérarchie. Cette relation traduit un phénomène
de généralisation des résumés les uns par rapport aux autres. Il existe donc une
relation d’ordre partiel naturelle entre les partitions extraites de la hiérarchie.
Ainsi, l’ensemble des coupes dans C(HR ) est partiellement ordonné grâce à l’or-
ganisation hiérarchique des résumés eux mêmes. Par définition, une partition P i est
plus fine qu’une partition Pj si cette partition Pi détaille des parties de la partition
Pj en plus petites classes. Ceci est garantit dans notre cas par la relation d’ordre
partiel qui existe entre un résumé et ses résumés fils, les résumés fils étant représentés
par des partitions plus fines.
Exemple 4.9 (Relation de généralisation entre les partitions). Prenons
l’exemple de la hiérarchie de la figure 4.6. Dans l’espace de partitions de l’exemple 4.8,
nous remarquons que la partition P0 généralise trivialement toutes les autres parti-
tions. De plus, la partition P1 généralise la partition P2 , ainsi que la partition P4 .
Ces généralisations s’expriment par :
P1 généralise P2 parce que z1 ∈ P1 , {z11 , z12 , z13 } ⊆ P2 et z1 z1i , ∀i ∈ [1, 2, 3]

P1 généralise P4 parce que z2 ∈ P1 , {z21 , z22 } ⊆ P4 et z2 z2j , ∀j ∈ [1, 2] .
Les deux partitions P2 et P4 se généralisent directement en P1 . En revanche, entre P2

et P4 il n’existe aucune relation d’ordre. On remarque alors que ces deux partitions
sont à un niveau de généralisation comparable.
4.5.1 Relation d’ordre sur les partitions

Notons par l le niveau sur une hiérarchie de résumés, où l0 correspond au niveau
le plus élevé qui contient la racine de l’arbre. Le niveau auquel appartient un résumé
est égal au nombre de branches qui forment le chemin vers la racine de l’arbre des
résumés. Le niveau de la racine est donc le niveau 0. Ce niveau est retrouvé dans
les partitions, on peut dire qu’une partition est d’un niveau l si tous ses résumés
sont situé au niveau l de la hiérarchie, par exemple la partition P 1 qui correspond
à la coupe C’ de la figure 4.5 se situe au niveau 1, dans ce cas on peut dire que la
partition P0 généralise la partition P1 . En revanche, plusieurs partitions contiennent
des résumés appartenant à différents niveaux, il est difficile de dire qui de chacune
appartient à un niveau supérieur à l’autre. Ceci crée un problème pour établir un
ordre entre les partitions, comme il est noté dans l’exemple 4.9, les deux partitions
P2 et P4 n’ont pas de relation d’ordre qui définit à quel niveau appartient chacune
entre elles, ce qui rend difficile la comparaison de l’une par rapport à l’autre.
Nous cherchons donc à établir un ordre total strict sur l’ensemble des partitions
d’une hiérarchie de résumés afin de pouvoir comparer leur niveau de généralisation.
Cet ordre doit nous permettre de dire que chaque partition de résumés P d’un niveau
li avec li un niveau de la hiérarchie et 0 ≤ i ≤ n, est plus générique qu’une partition
appartenant à un niveau lj avec i ≤ j.
L’ordre total qu’on veut appliquer sur les partitions est en réalité une extension
linéaire5 de l’ordre partiel naturel existant sur les coupes, obtenu grâce à la relation
5
Dans le cas des ensembles finis ou dénombrables, une extension linéaire « d’un ordre < permet
d’ordre partiel existante sur les résumés. Pour obtenir cette nouvelle relation, l’en-
semble des partitions est tout d’abord organisé selon l’ordre partiel naturel en un
Graphe Orienté Acyclique (GOA) constitué des différentes coupes de la hiérarchie.
La relation d’ordre partiel existant entre deux partitions est notée v :
P 0 v P alors P généralise P 0
Cette relation est formellement définie comme suit :
∀z 0 ∈ P 0 , ∃z ∈ P/z 0 z et P 0 v P, avec(P, P 0 ) ∈ C(HR )
4.5.1.1 Graphe des partitions

La hiérarchie sur laquelle nous travaillons, définie par HR = (Z, ), Z un en-
semble de nœuds résumés et est la relation de généralisation qui existe entre les
nœuds. Nous rappelons cette relation :
∀(z, z 0 ) ∈ Z, z z 0 ⇔ Rz ⊂ Rz 0
Definition 4.10 (Graphe des partitions). Le graphe des partitions G est un triplet
G = (P̄ , E, v) où :
– P̄ est un ensemble fini non vide de partitions de résumés.
– E est un ensemble fini d’arrêtes.
– v est une fonction d’incidence qui à chaque arête e ∈ E associe un ordre
Pi v Pj qui signifie que Pj est plus générale que Pi .
Exemple 4.10 (Graphe des partitions). Reprenons l’exemple 4.8 de l’ensemble

des coupes d’une hiérarchie de résumés. Le graphe orienté acyclique présenté sur la
figure 4.7, traduit la relation d’ordre naturelle entre les partitions de la hiérarchie de
la figure 4.6.
4.5.1.2 Tri topologique du graphe des partitions

Le tri topologique du graphe des partitions G = (P̄ , E, v) est une énumération
des sommets p1 , . . . , pn qui respecte l’ordre de précédence du graphe, c.à.d que si
(pi , pj ) est un arc on doit avoir i ≤ j.
On note par O l’ordre total strict appliqué sur le graphe des partitions tel que :
si pi Opj alors pi est plus générique que pj , (i, j) ∈ [1, . . . , n] .
Ce tri topologique a comme objectif de répondre aux besoins d’un utilisateur, qui
cherche en analysant les informations contenues dans les résumés à chaque niveau, à
connaître la granularité de la représentation propre à lui fournir un bon compromis
entre précision et généralisation.
d’énumérer (ou de numéroter) les éléments selon l’ordre croissant (pour «), cette énumération étant
compatible avec l’ordre d’origine <.
C P0
0
C P1
1
C P P
2 2
4
C3
P P
P 6 3
5
C
4 P P8
7
C5
P
9
Figure 4.7 – Graphe des partitions

Sur l’exemple 4.10, on remarque que l’organisation des partitions en GOA, ne

signifie pas automatiquement l’extension linéaire de la relation d’ordre partiel en un
ordre total strict. Ceci est dû à l’existence des classes de généralisation, comme le
montre le graphe de la figure 4.7.
Classes de généralisation. Une classe de généralisation notée Ci comme sur

la figure 4.7, représente un ensemble de partitions qui se trouvent à un niveau de
généralisation équivalent.
Afin d’obtenir un ordre total sur l’ensemble des partitions, il est donc nécessaire de
trouver un moyen pour ordonner les partitions d’une même classe de généralisation.
Or, du point de vue de la topologie du graphe, il est impossible de choisir parmi toutes
les extensions linéaires, indépendamment d’une sémantique propre aux partitions de
résumés.
4.5.2 Ordre total sur les partitions

Dans les travaux de G. Raschia [83] sur le système SaintEtiQ, plusieurs me-
sures ont été proposées afin d’évaluer un résumé ou un ensemble de résumés d’une
hiérarchie produite par le système. Parmi ces mesures figurent la spécificité et la
typicité.
En ce qui concerne le problème des classes de généralisation et afin d’ordonner
deux partitions d’un même niveau de généralisation, les mesures de spécificité et de
typicité sont utilisées. Elles offrent un critère de choix entre partitions sur la base
d’une sémantique parfaitement définie. En effet, pour savoir si une partition est plus
spécifique qu’une autre, il suffit de calculer le degré de spécificité et d’en dériver une
typicité globale qui servira a comparer des résumés contenus dans cette partition.
Spécificité. La spécificité notée Sp(z.A) d’un résumé z sur un attribut A indique

le degré de précision de z.A. Elle est maximale Sp(z.A) = 1, dans le cas où z.A est
exprimé par un singleton, c’est-à-dire un seul descripteur sur l’attribut A, comme
dans les résumés feuilles. Elle est minimale Sp(z.A) = 0, quand il s’agit d’un attribut
+6
qui est représenté sur tous les descripteurs de DA d’un attribut A. Sur la base de
cette mesure concernant les résumés d’une hiérarchie, la mesure de typicité d’une
partition entière a été proposée.
4.5.2.1 Typicité d’une partition.

La typicité, notée Γ(P ), d’une partition de résumés est définie comme une moyenne
arithmétique pondérée de valeurs de spécificité des résumés. La typicité est calcu-
lée en fonction de la cardinalité relative des résumés, de telle sorte que les résumés
faiblement représentés n’offrent qu’une petite contribution à la typicité de la parti-
tion, tandis que les résumés représentant une grande part des enregistrements de la
relation R ont une forte influence sur le résultat global de la typicité de P .
6
Domaine réécrit de l’attribut A.
P
z∈P card(Rz ).β(z)
Γ(P ) = P
z∈P card(Rz )
avec β(z) une valeur agrégée de la spécificité des résumés, définie par :
β(z) = aggA∈A {Sp (z.A)} , oùaggest un opérateur d’agrégation usuel [102].
Ainsi pour l’ordre total sur les partitions, nous proposons de calculer la typicité
pour chaque partition au sein d’une même classe de généralisation. La partition ayant
une plus faible typicité est celle qui contient les résumés les moins spécifiques. Elle
est donc supérieure au sens de l’ordre total strict à établir.
si Γ(P ) > Γ(P 0 ), alors P 0 v P.
Exemple 4.11 (Espace de partitions ordonné). Reprenons l’exemple 4.8,

dont le GOA est représenté sur la figure 4.7. Le problème ici se situe au niveau de la
comparaison entre les partitions des classes de généralisation suivantes :
– C2 , nécessite le calcul de Γ(P2 ) et Γ(P4 ).
– C3 , nécessite le calcul de Γ(P3 ), Γ(P5 ) et Γ(P6 ).
– C4 , nécessite le calcul de Γ(P7 ) et Γ(P8 ).
A priori la partition P2 contient deux résumés feuilles z11 et z13 alors que la parti-
tion P4 ne contient que la feuille z21 . Il nous permet de conclure que Γ(P2 ) > Γ(P4 )
puisque la spécificité des feuilles est maximale et augmente la valeur de typicité d’une
partition. Ainsi cela signifie que P4 v P2 . Sur le même principe nous concluons que
P6 v P5 v P3 . En revanche pour les partitions P7 et P8 , et sans information supplé-
mentaire pour le calcul effectif de la typicité, il paraît difficile de décider laquelle des
deux est plus générale elle contiennent le même nombre de résumés qui appartiennent
au même niveau de la hiérarchie. Le choix est alors arbitraire ou repose sur une sé-
mantique complémentaire des résumés. Admettons que P7 v P8 pour l’exemple, nous
aboutissons à l’ordre total suivant de l’ensemble des partitions de résumés :
P0 v P 1 v P 4 v P 2 v P 6 v P 5 v P 3 v P 7 v P 8 v P 9
Cette mesure de typicité, si elle permet de traduire la cohésion des résumés, n’est
pas suffisante pour donner une réponse toujours satisfaisante pour discriminer les
partitions les unes par rapport aux autres. La possibilité d’avoir la même valeur de
typicité pour deux partitions existe toujours. Dans ce cas, la fonction qui classe les
partitions dans notre système, aura un choix arbitraire entre les deux partitions de
résumés. Car, il se trouve qu’elles sont parfaitement similaires au point de vue du
niveau de généralisation, de la relation R, qu’elles offrent à l’utilisateur.
4.6 Conclusion
Nous nous sommes intéressés dans ce chapitre à la hiérarchie générée par le pro-
cessus SaintEtiQ. La problématique soulevée est la suivante : bien que SaintEtiQ
soit capable de satisfaire les besoins des décideurs au niveau de la réduction de
données relationnelles volumineuses, il n’offre pas un modèle formel qui permet de
manipuler les résumés produits organisés sous forme d’une hiérarchie.
L’un des objectifs de ce chapitre, a été de fournir à l’utilisateur une vue, appelée
partition de résumés, de l’ensemble des données résumées à un niveau d’abstraction
donné. Cette vue est représentée par une coupe dans la hiérarchie, elle contient le
minimum de résumés avec un maximum d’information. Une partition de résumés est
orientée utilisateur, elle lui offre la possibilité d’avoir un ensemble de résumés sur
chaque niveau de généralisation de la hiérarchie.
Le modèle défini dans ce chapitre a permis de présenter une structure formelle qui
facilitera la manipulation de la hiérarchie des résumés. Ceci est dans le but d’aider
l’utilisateur lors d’un processus d’exploration et d’analyse en ligne des résumés. La
manipulation des résumés peut répondre à des interrogations comme les suivantes :
– Quels sont les résumés dans ma partition qui sur un attribut précis ont le même
degré d’appartenance ?
– Quels sont les résumés qui contiennent les détails d’un résumé donné, se trou-
vant dans une partition donnée?
Dans le chapitre suivant nous proposons un ensemble d’opérateurs algébriques qui
permettent de manipuler l’ensemble des partitions et des résumés linguistiques de la
hiérarchie de SaintEtiQ.
C HAPITRE 5
Une algèbre de
manipulation pour les
résumés de données
Découvrir c’est bien souvent dévoiler quelque chose qui a tou-
jours été là, mais que l’habitude cachait à nos regards.
— Koestler, Arthur, Le cri d’Archimède.
Au chapitre précédent, un modèle multidimensionnel permettant de réorgani-

ser les résumés dans des partitions, a été proposé. Ces partitions, destinées à un
utilisateur qui souhaite analyser et explorer la hiérarchie, contiennent un grand
nombre de résumés. Dans ce chapitre, nous présentons un ensemble d’opérateurs
algébriques conçus pour manipuler les partitions de résumés extraites de la hiérar-
chie de SaintEtiQ.
5.1 Introduction à la manipulation des résumés

5.1.1 Objectifs et motivations
Nous avons défini un modèle qui représente une structure multidimensionnelle
orientée utilisateur. En effet, le besoin de cet utilisateur est d’être assisté par un
outil lui facilitant l’exploration d’une hiérarchie de résumés linguistiques flous. Afin
de répondre aux besoins, le modèle proposé doit être équipé d’une algèbre pour
manipuler les partitions de résumés. Ainsi la motivation fondamentale qui justifie la
définition de ces opérateurs est triple. Elle concerne : le changement de point de vue,
l’interactivité et l’analyse.
Pour atteindre cet objectif, nous nous sommes inspirés des opérateurs de manipu-
lation des cubes de données dans les systèmes OLAP. L’ensemble de ces opérateurs
a été recensé dans le premier chapitre de ce document. L’étude des systèmes OLAP
a montré que l’analyse en ligne est réalisée à l’aide d’un ensemble d’opérateurs algé-
briques. Cette algèbre fait la force des systèmes OLAP en matière d’exploration et
d’analyse des données résumées ou agrégées se trouvant dans les cubes. Par analogie
à ces opérateurs de manipulation de données multidimensionnelles, nous proposons
dans le cadre de l’exploitation des résumés de bases de données, la définition d’opé-
rateurs capables de modifier le point de vue sur l’information qu’ils explorent.
89
90 CHAPITRE 5 — Une algèbre de manipulation pour les résumés de données
5.1.2 Proposition
Le travail que nous proposons dans ce chapitre concerne la définition d’une al-
gèbre pour la manipulation des partitions de résumés définies dans le modèle multi-
dimensionnel du chapitre précédent. Plus précisément, ce travail consiste à adapter à
cette structure de résumés flous, l’ensemble des opérateurs des trois différentes caté-
gories : les opérateurs classiques 1 , les opérateurs de granularité et les opérateurs de
restructuration. L’algèbre proposée ici prend en compte les spécificités des résumés
de données que nous manipulons et permet d’exploiter les n-uplets qu’ils décrivent.
Il s’agit d’un mode d’exploration dédié aux utilisateurs s’intéressant à une vue syn-
thétique et globale de l’information. Ce chapitre présente le noyau de cette algèbre,
avec tous les opérateurs d’analyse en ligne adaptés aux partitions de résumés. Il pré-
sente aussi une discussion sur les propriétés fondamentales d’une algèbre telles que
la complétude, la fermeture et la sémantique. La dernière section du chapitre est
consacrée au prototype, orienté utilisateur, développé autour de cette algèbre.
5.1.3 Illustration
L’ensemble des opérateurs algébriques que nous définissons dans ce chapitre est
appliqué sur des partitions de résumés. Ainsi, afin d’illustrer chacune des opérations
définies, il est souhaitable de disposer d’un exemple complet. Nous utiliserons pour
cela, la hiérarchie qui figure dans l’exemple 4.8 du chapitre 3, ainsi que la partition
P3 issue de cette hiérarchie. Nous reproduisons la hiérarchie sur la figure 5.1 et
définissons la partition P3 dans le tableau 5.1. Pour chaque descripteur d est indiqué
son degré de satisfaction αd . La cardinalité card est donnée pour chaque résumé de
la partition.
ACTIVITE αd REVENU αd card(z)

z11 homme d’affaires 0.7 misérable 1.0 0.5
artiste 0.8 énorme 1.0
z121 agent de sécurité 0.9 misérable 1.0 0.5
z122 employé 0.3 modeste 1.0 0.5
z13 employé 0.8 énorme 1.0 1.0
z2 artiste 0.8 modeste 1.0 2.5
misérable 1.0
z3 homme d’affaires 0.8 énorme 1.0 2.5
Table 5.1 – Présentation de la partition P3
1
issus de l’algèbre relationnelle.
CHAPITRE 5 — Une algèbre de manipulation pour les résumés de données 91
z0
z1 z z3
2
z z z z z
11 12 13 21 22
z z z z
121 122 221 222
Figure 5.1 – Hiérarchie de résumés
5.2 Le noyau de l’algèbre

5.2.1 Opérations classiques
Nous commençons ici par étudier les opérations dites classiques. Notre but est
d’établir une similarité entre ce que nous appelons opérations classiques et les opé-
rations de l’algèbre relationnelle. Ce travail ne consiste pas simplement à reproduire
les opérateurs relationnels pour les appliquer aux partitions de résumés, mais plutôt
d’adapter ces opérateurs à la nouvelle structure de données multidimensionnelle, et
de les munir des capacités d’analyse en ligne propres aux opérateurs de type OLAP.
Nous définissons ici, l’ensemble des opérations de sélection, projection, fusion, pro-
duit cartésien, jointure ainsi que les opérateurs ensemblistes.
5.2.1.1 Opération de sélection

Dans l’algèbre relationnelle, l’opérateur de sélection s’applique sur un ensemble
d’attributs avec un prédicat logique que doivent satisfaire les n-uplets sélectionnés.
Dans cette section, nous essayons d’étendre cette opération à notre modèle de don-
nées. Dans notre cas nous pouvons employer des prédicats flous, étant donné que,
nous travaillons sur des résumés de données qui utilisent des concepts issus de la
théorie des sous-ensembles flous.
L’opérateur de sélection permet d’extraire un ensemble de résumés à partir d’une
partition de résumés sans aucune mise à jour de la description intentionnelle ou
extensionnelle des résumés.
Definition 5.1 (Sélection). L’opérateur de sélection noté σ appliqué sur une parti-
tion de résumés P à partir de la relation R, donne une nouvelle partition de résumés
P 0 telle que :
Sélection hpartition de résumés i hprédicati
P 0 = σ(P, pred(z)),
où pred(z) est le prédicat de sélection qu’on peut appliquer sur :
– les propriétés des résumés (Dice), ou

– les valeurs d’attributs (Slice).
Dice.
Le premier type de filtrage correspond à une sélection sur les propriétés des résu-
més. En se basant sur l’organisation hiérarchique des résumés, nous pouvons exploi-
ter plusieurs propriétés, comme par exemple, une contrainte de granularité exprimée
par la mesure de hauteur d’un résumé (voir définition 4.6), ou encore un prédicat
de sélection sur le degré de représentativité d’un résumé, exprimé par sa cardinalité
(cardz ). Dans le cas où on utilise la hauteur, le prédicat s’écrit : h(z) op n, n ∈ N
avec op ∈ {=, <, >, ≤, ≥}.
Ainsi, en appliquant un prédicat de sélection sur les résumés, l’opération est ap-
pelée dice. Elle permet de spécifier une requête selon des critères caractérisant le
résumé, comme sa représentativité ou sa granularité.
– La représentativité d’un résumé. La cardinalité relative d’un résumé card (z)

représente le poids du résumé par rapport à la base de données originale. Cette
mesure peut définir un critère de sélection qui exprime la représentativité d’un
résumé. Ce critère faisant l’objet d’un prédicat de sélection permettra d’identi-
fier la liste des résumés dans une partition qui se rapprochent le plus, par leur
représentativité, de la base originale. L’exemple 5.12, montre une opération du
dice sur un prédicat de représentativité.
Exemple 5.12 (Dice sur la représentativité). On considère la partition P3
présenté sur le tableau 5.1, et on formule le prédicat suivant :
pred(z) : card(z) = max(card(zi ))

zi ∈P
Le prédicat ainsi défini sélectionne dans une partition les résumés dont la re-
présentativité est maximale, ce qui veut dire, dont les cardinalités sont les plus
élevées. Le résultat de cette opération sélectionnera la partition suivante : P 0 =
{z2 , z3 } .
– La granularité d’un résumé. On considère le degré du résumé comme mesure
approchée de la granularité des résumés constituant une partition à un niveau
d’abstraction. Ce critère nous permet de distinguer les résumés dont la granularité
vérifie la contrainte, et notamment d’identifier un ensemble de résumés homogènes
sur une partition donnée.
Exemple 5.13 (Dice sur la granularité). Prenons la hiérarchie de résu-
més, se trouvant sur la figure 5.5, si nous voulons sur une partition donnée
P = {z11 , z12 , z13 , z21 , z22 , z3 } rechercher seulement les feuilles de cette partition,
pred(z)est défini comme suit h(z) = 0, le dice s’ecrit P 0 = σ(P, h(z) = 0), ce qui
donnera en résultat la partition P 0 = {z11 , z13 , z21 , z3 }.
Slice.
Le second type de filtrage est celui de la sélection sur les valeurs floues des
attributs décrivant les résumés ainsi que sur leurs degrés d’appartenance. Cette
opération est définie par l’expression suivante :
z.A θ ṽ,
où θ est un opérateur d’ensembles flous comme =F , ⊆F , ∩F , ⊂F , etc, et ṽ ∈

+
F(DA ), est un sous-ensemble flou. On peut généraliser cette même expression
à la suivante :
f (z.A) θ ṽ,
où f peut être un ensemble de caractéristiques floues, comme (haut(z.A) ou
card(z.A)), pour plus de détails concernant les sous-ensembles flous le lecteur est
invité à consulter l’ouvrage de Zadeh [105]. Une seconde forme de filtrage sur les
valeurs d’attributs s’exprime de la façon suivante :
z.A θ z.B,
ici on définit un prédicat de sélection qui compare deux descriptions sur deux
attributs différents A et B au sein du même résumé z.
Exemple 5.14 (Slice). Soit l’expression suivante :
P 0 = σ(P, z.REV EN U ⊆F {1.0/norme, 1.0/modeste})
En appliquant cette opération de slice sur la partition de résumés P3 du ta-

bleau 5.1, le résultat est le suivant :
P 0 = {z11 , z122 , z13 , z2 , z3 } .
Sur cette même partition, P3 du tableau 5.1, nous pouvons aussi chercher à ex-
traire les résumés qui contiennent l’étiquette linguistique misérable dans leurs des-
criptions intentionnelles. Cette requête sera exprimée par la sélection suivante :
P 0 = σ(P, z.A ∩F {misérable} 6= 0),
le résultat dans ce cas est : P 0 = {z11 , z121 , z2 } .
Combinaison des prédicats de sélection

Afin d’exprimer des prédicats plus complexes dans l’opération de sélection,
nous utilisons des combinaisons conjonctives (pred1 (z) ∧ · · · ∧ predk (z)) ou dis-
jonctives (pred1 (z) ∨ · · · ∨ predk (z))de prédicats de sélection.
Exemple 5.15 (Expression d’une requête de sélection). Les différents
cas de l’opération de sélection que nous venons d’étudier nous permettent d’écrire
une expression algébrique qui peut fournir une réponse à une interrogation telle
que " trouver sur la partition de résumés P3 , (voir le tableau 5.1), les résumés
les plus spécifiques en terme de granularité, et qui représentent les gens de faible
revenu". Pour cette requête, nous proposons l’expression suivante :
P 0 = σ(P3 , (z.REV EN U ∩F {misérable} 6= 0) ∧ (h(z) = 0))

= {z11 , z121 }.
Ainsi, la réponse à cette requête correspond aux n-uplets des résumés feuilles z11
et z121 , pour la partition P3 .
Notons que l’opération de sélection ne modifie en aucun cas la description
intentionnelle des résumés manipulés, ce qui signifie que ni les extensions des
résumés ni leurs cardinalités ne seront affectées par l’application d’un des opéra-
teurs de sélection.
5.2.1.2 Opération de fusion

L’opération de fusion consiste à regrouper les descriptions intentionnelles d’un
ensemble de résumés d’une partition en agrégeant, pour chaque attribut, les de-
grés d’appartenance des descripteurs similaires, et par l’union des ensembles flous.
Definition 5.2 (Fusion). Soit P = {z1 , .., zk , .., zn }, une partition de résumés. On
définit l’opération de fusion comme suit :
P 0 = merge(P, {z1 , .., zk }),

= {z ? , zk+1 , ..., zn }
Où le résumé z ? = z1 ∪F z2 ∪F . . . ∪F zk , remplace l’ensemble des résumés à fusionner

{z1 , .., zk }. L’union floue ∪F est appliquée sur chaque attribut en considérant les sous-
ensembles flous zi .A.
Par exemple, la fusion merge(P, {zi , zj }) avec zi = h{αa /d1 }, {αb /d2 }i et zj =
h{αc /d1 }, {αd /d3 }i , donne naissance au résumé z ? = h{max{αa , αc } /d1 } , {αb /d2 }, {αd /d3 }i .
Nous rappelons que toute partition de résumés doit respecter la contrainte

forte sur la faible orthogonalité. Pour ceci, le nouveau résumé qui représente la
fusion ne doit, en aucun cas, être conflictuel avec un autre résumé de la nouvelle
partition P 0 . Nous supposons alors que l’opération de fusion ne peut être appli-
quée que si le résumé z ? est non conflictuel avec un autre résumé, ceci nécessite
que ∀z ∈ P 0 , z 6= z ? .
Comme indiqué dans la définition 5.2, l’opération de fusion manipule l’inten-
tion des résumés. Ainsi, un résumé résultant d’une fusion contient les n-uplets de
l’ensemble des résumés fusionnés. L’extension du résumé résultat est alors égale
à l’union des extensions des résumés fusionnés.
Rz ? = Rz1 ∪ · · · ∪ Rzk
Par ailleurs, la cardinalité de chaque résumé fusionné n’est pas affectée non
plus. La cardinalité du résumé card(z ? ) est la suivante :
card(z ? ) = card(z1 ) + · · · + card(zk )
Exemple 5.16 (Fusion). Afin d’illustrer cette opération de fusion, nous re-
prenons la partition P3 donnée par le tableau 5.1. Supposons que dans un scéna-
rio d’interrogation, l’utilisateur a déjà fait une sélection sur les résumés feuilles
de la partition avec une description intentionnelle contenant le descripteur em-
ployé sur l’attribut ACTIVITE. Et considérons, le résultat de cette sélection sur
la partition manipulée, soit les deux résumés z13 et z122 . Maintenant l’utilisateur
souhaite fusionner ces résumés afin de pouvoir avoir une vue de synthèse sur la
nouvelle partition constituée de ces deux résumés. Le tableau 5.2 montre com-
ment on peut fusionner ces deux résumés. Le résumé z ? représente les n-uplets
des deux résumés feuilles, sur l’attribut ACTIVITE, du descripteur employé, soit
α(employé) = 0.8.
ACTIVITE αd REVENU αd card(z)

z13 employé 0.8 énorme 1.0 1.0
z122 employé 0.3 modeste 1.0 0.5
merge(P3 , {z13 , z122 })
employé 0.8 misérable 1.0 1.5
z? modest 1.0
Table 5.2 – Fusion sur la partition de résumés P3
5.2.1.3 Opération de projection

Rappelons qu’en algèbre relationnelle, l’opération de projection π consiste à
sélectionner un sous ensemble d’attributs A1 , A2 , . . . , An de la relation R et se
note πA1 ,A2 ,...,An (R). Pour l’adaptation de cette opération aux partitions de ré-
sumés, nous appelons projection toute opération qui consiste à réduire le nombre
d’attributs qui décrivent les résumés d’une partition. Le but étant d’éliminer un
ensemble d’attributs dans une partition de résumés.
Definition 5.3 (Projection). Soit P, une partition de résumés. On définit l’opérateur

de projection comme suit :
P 0 = ΠA1 ,..,Ak (P )
P 0 = {z 0 /∃z ∈ P ∧ z 0 = πA1 ,..,Ak (z)}
où la projection sur les résumés est πx (hx, yi) = hxi.

L’impact de cette opération sur l’extension des résumés est nul, ceci est dû
au fait que les n-uplets restent les mêmes bien que le nombre d’attribut dimi-
nue. Ainsi, la description extensionnelle et les cardinalités des résumés restent
inchangés après application d’une projection sur un ensemble de résumés.
L’opération de projection, telle qu’elle est présentée à la définition 5.3, est
relativement évidente. Néanmoins, la création de résumés conflictuels n’est pas
écartée. Ce problème peut survenir comme pour l’opération de fusion, si la par-
tition résultante ne vérifie pas la propriété de faible orthogonalité. L’exemple
suivant illustre le cas de résumés conflictuels. La représentation du résumé dans
ce tableau n’est volontairement pas complète puisqu’on ne s’intéresse ni aux de-
grés de satisfaction ni aux cardinalités des résumés.
Exemple 5.17 (Projection conflictuelle). L’application de l’opération de
projection sur les attributs (B, C) nous renvoie les mêmes descripteurs b1 et c1
sur les deux résumés supposés différents z1 et z2 . Le résultat de la projection ne
peut être une partition de résumés parce qu’il ne vérifie pas la propriété d’orthogo-
nalité faible. En effet, πB,C (z1 , z2 ), πB (z1 , z2 ) et πC (z1 , z2 ) donnent des résumés
conflictuels, i.e. avec des descriptions similaires.
A B C
z1 a1 b1 c1
a2
z2 a3 b1 c1
Table 5.3 – Résumés représentés sur les attributs A, B et C
Afin d’éviter un tel problème, nous avons simplement mis une contrainte qui
interdit les projections conflictuelles. Seuls les projections ayant en résultat une
collection de résumés respectant les deux propriétés d’une partition de résumés
sont possibles.
5.2.1.4 Adaptation des opérations relationnelles binaires

Jusqu’ici, nous nous sommes intéressés à traduire dans l’algèbre proposée,
destinée aux résumés, des opérateurs relationnels qui agissent sur une seule par-
tition. Nous les qualifions d’opérateurs unaires. D’autres opérateurs de type bi-
naire sont définis, ils vont générer une partition à partir d’une paire de partitions
existantes. Ces opérateurs sont : le produit cartésien, la jointure et les opérations
ensemblistes.
Opération du produit cartésien

Le produit cartésien est un opérateur binaire qui consiste à combiner les
résumés d’une partition de résumés avec tous les résumés d’une autre partition.
Cette combinaison est réalisée en créant des résumés sur l’ensemble des attributs
des deux partitions.
Definition 5.4 (Produit Cartésien). Soient P et P 0 , deux partitions de résumés.On
note P 00 = P × P 0 le produit cartésien des partitions P et P 0 défini par :
P 00 = z, z 0 | z ∈ P ∧ z 0 ∈ P 0

Le couple hz, z 0 i est donc représenté sur les attributs de z et de z 0 , ce qui va

certainement changer la description intentionnelle du nouveau résumé résultat
du produit du couple hz, z 0 i. Ainsi, l’extension et la cardinalité correspondantes
à l’opération du produit cartésien seront influencées par les n-uplets des deux
résumés considérés, elles sont exprimées comme suit :
Rz 00 = Rz ⊗ Rz 0
card(z”) = card(z) × card(z 0 )
Opération de jointure
L’opération de jointure est employée pour connecter des résumés de deux
partitions. Le résultat de cet opérateur de jointure est une nouvelle partition
de résumés qui vérifie la propriété de faible orthogonalité. On peut noter que
la jointure est un cas particulier du produit cartésien qui utilise un prédicat de
jointure pour filtrer les résumés du résultat.
Definition 5.5 (Jointure). L’opérateur join consiste à agréger deux partitions de ré-
sumés P et P 0 selon leurs descriptions intentionnelles suivant un prédicat de jointure
mettant en jeu un attribut pivot dans chaque partition. Elle est définie comme suit :
P∗ = P ./ P0
pred(z.A,z 0 .A0 )
où pred(z.A, z 0 .A0 ) = (z.A) θ (z 0 .A0 ), θ est un opérateur de sous-ensembles flous, tel

que (=F , ⊆F , ⊂F , etc), z ∈ P et z 0 ∈ P 0 .
Soient les deux partitions de résumés suivantes : P = {z1 , .., zn } et P 0 = {z10 , .., zn0 0 }.
Le résultat de l’opération de jointure sur les attributs (z.A, z 0 .A0 ) est une nouvelle par-
tition de résumés notée P ? = {z ? |z ? .A θ z ? .A0 }, où z ? = hz.A, z.B, ..., z 0 .A0 , z 0 .B 0 , ...i
avec z = hz.A, z.B, . . . i ∈ P , z 0 = hz 0 .A0 , z 0 .B 0 , . . . i ∈ P 0 .
Dans cette opération de jointure on travaille avec l’intention des résumés de
chacune des partitions à joindre. L’impact de cette opération sur l’extension et
la cardinalité des résumés dans P ? est le suivant :
Rz ? = Rz ⊗ Rz 0
card(z ) = card(z) × card(z 0 )
?
Exemple 5.18 (Opération de jointure de deux partitions). Soient les

deux partitions de résumés P1 et P2 telle que :
– P1 = {z1 , z2 }, définie sur l’attribut REVENU avec les descripteurs (bas, moyen et
élevé) et sur l’attribut ACTIVITE avec les descripteurs (artiste, homme d’affaires
et étudiant).
– P2 = {z10 }, définie sur l’attribut SALAIRE avec (bas, moyen et élevé) et sur l’at-
tribut AGE avec (jeune, âgé).
Les descriptions intentionnelles des résumés sont :
– z1 = h0.8/bas, 0.5/étudianti
– z2 = h0.7/élevé, 1.00/artistei
– z10 = h1.00/élevé, 0.8/ jeune i
On écrit la jointure :
P ∗ = P1 ./ P2
z1 .REV EN U ⊆F z10 .SALAIRE
z.A ⊆F z 0 .A0 , signifie que, αd (z.A) ≤ αd (z 0 .A0 ).
P ? = {h1.00/élevé, 0.5/étudiant, 0.8/jeunei ,

h1.00/élevé, 1.00/artiste, 0.8/jeunei}
Opérations ensemblistes
Nous allons adapter dans ce qui suit les opérateurs ensemblistes à notre mo-
dèle de partitions de résumés. Nous définissons les opérateurs d’union, d’intersec-
tion et de différence. Pour ceci nous avons besoin de préciser la notion d’union-
compatibilité.
Definition 5.6 (Union-compatibilité). On dit que deux partitions de résumés dé-

finies sur le même ensemble d’attributs sont union-compatible si tous les résumés
de la première partition sont non conflictuels avec tous les résumés de la deuxième
partition.
– Union. On considère deux partitions de résumés P et P 0 qui sont union-

compatibles. On note par P 00 = P ∪ P 0 l’union des partitions et on la définit :
P 00 = {z|z ∈ P ∨ z ∈ P 0 }.
– Intersection. L’intersection de deux partitions de résumés P et P 0 est notée

P 00 = P ∩ P 0 et elle est définie comme suit : P 00 = {z| z ∈ P ∧ z ∈ P 0 }. L’in-
tersection de deux partitions peut être exprimée comme un cas spécial d’une
opération d’equi-jointure totale. Une équi-ointure totale est une opération de
jointure dont le prédicat est fondé sur l’opérateur d’égalité.
– Différence. La différence de deux partitions de résumés P et P 0 qui sont union-

compatible produit une partition de résumés qui se trouvent dans P et non
dans P 0 . On la définit par : P 00 = {z|z ∈ P ∧ z ∈
/ P 0 }.
Pour les trois opérations ensemblistes, ni l’extension des résumés ni leurs

cardinalités ne sont concernés par des mises à jour après l’application d’une de
ces opérations. Cela est conforme au fait que les résumés sont manipulés dans
leur intégralité, sans modification sur leurs intentions ou sur les n-uplets qui les
constituent.
5.2.2 Opérations de granularité

Nous allons nous intéresser dans cette seconde partie, à la deuxième catégo-
rie d’opérateur de l’algèbre pour l’analyse en ligne de résumés. Cette catégorie
concerne les opérations qui agissent sur la granularité des données en utilisant
leur organisation hiérarchique.
Comme on l’a déjà évoqué, l’ensemble des partitions extraites d’une hiérarchie
de SaintEtiQ est ordonné. Ceci est dû à la relation d’ordre partiel qui existe entre
les résumés de la hiérarchie. Grâce à cette relation d’ordre, nous pouvons définir
des opérateurs de généralisation et de spécialisation afin de faciliter à l’utilisateur
la navigation dans les partitions en explorant les différents niveaux de granularité
de la hiérarchie. Ces opérateurs sont appelés opérateurs de granularité, et ils sont
au nombre de deux.
Nous définissons dans ce qui suit, les deux opérateurs roll-up et drill-down,
que nous considérons comme une adaptation, à notre modèle de partition de
résumés, des opérateurs multidimensionnels de type OLAP qui agissent sur la
granularité des cubes de données.
Nous rappelons, que les partitions sont pré-calculées et ordonnées avant de
pouvoir les manipuler. Et les opérateurs de granularité sont définis sur la hiérar-
chie initiale générée par SaintEtiQ, cette hiérarchie n’ayant subi aucune modi-
fication par l’application d’autres manipulations.
5.2.2.1 Opération de généralisation

Nous définissons l’opérateur Roll-up dans l’objectif de visualiser des données
agrégées d’un ou de plusieurs résumés vers des résumés plus génériques. Cet
opérateur prend en entrée une partition et un ensemble de résumés à généraliser.
Il fournit en sortie une partition contenant les résumés qui généralisent ceux
passés en paramètre.
Definition 5.7 (Roll-up, ou forage vers le haut). L’opérateur roll-up est une gé-
néralisation d’une partition de résumés à un niveau de granularité plus élevé. Il est
définit comme suit :
P 0 = Roll − up(P = {z1 , . . . , zi , zi+1 , . . . , zn }, {z1 , . . . , zi })
P 0 = {z 0 , zi+1 , . . . , zn }
tel que ∀k ∈ {1, . . . , i} , zk z 0 , (z 0 généralise directement zk ).

Suivant la relation d’ordre qui existe entre les partitions, nous constatons
qu’une partition peut être généralisée de différente manière, étant donné qu’un
résumé est généralisable par tous ses antécédants jusqu’à la racine. Mais dans
l’application des opérateurs de granularité, nous nous déplaçons toujours vers la
première partition qui peut répondre à notre opération de généralisation. Ce qui
revient à chercher le parent direct de l’ensemble des résumés à généraliser. Pour
une meilleure compréhension de l’application de cet opérateur de généralisation
sur un ensemble de partitions, nous proposons l’exemple suivant.
Exemple 5.19 (L’opérateur roll-up).
Nous reprenons toujours l’exemple donné dans la figure 5.1, ainsi que l’ensemble
des coupes C(HR ) qui le représente. On considère que l’utilisateur est en train
de manipuler la partition P7 qui contient un certain nombre de résumés, par
exemple (z221 , z222 ) dont il souhaite connaître les parents afin d’avoir une vision
plus générale. L’opérateur roll-up lui permet d’avoir la partition qui généralise
cette partition P7 sur les résumés (z221 , z222 ). D’après l’ensemble des partitions,
extrait de l’espace de la hiérarchie considérée, ce sera P6 .
P6 = Roll − up(P7 , {z221 , z222 }),
avec :
z221 , z222 z22 ⊆ P6 et z221 , z222 ⊆ P7 (5.1)
alors, P6 v P7 ⇒ P6 généralise P7 .


 P4 = {z1 , z21 , z22 , z3 }
P = {z1 , z21 , z221 , z222 , z3 }

? 5
C(HR ):
P = {z11 , z12 , z13 , z21 , z22 , z3 }
 6


P7 = {z11 , z12 , z13 , z21 , z221 , z222 , z3 }
De la même façon on peut exprimer d’autres généralisations sur l’ensemble de
l’espace de partitions de résumés présenté dans 5.1 par :
P2 = Roll − up(P3 , {z121 , z122 })
5.2.2.2 Opération de spécialisation

La spécialisation est l’opération inverse de la généralisation. Cette opération
sera réalisée à l’aide de l’opérateur drill-down, appelé en français opérateur de
forage vers le bas. Ce dernier consiste à explorer une hiérarchie de résumés, en
partant des résumés ou des partitions les plus génériques pour aller chercher leurs
détails se trouvant dans des partitions plus spécifiques. Ainsi, l’utilisateur peut
explorer la hiérarchie des résumés en ayant la possibilité, grâce à l’opérateur drill-

down, de raffiner progressivement ses manipulations ou ses requêtes, en allant
dans les résumés les plus fins.
Definition 5.8 (Drill-down, forage vers le bas). L’opérateur drill-down consiste en
la spécialisation d’une partition de résumés par raffinage d’un résumé donné. Nous
le définissons pour z ∈ P comme suit :
P 0 = Drill − down(P = {z1 , z2 . . . , zn } , z1 )
P 0 = {z10 , . . . , zn0 , z2 , . . . , zn }
∀i ∈ [1, m] , zi0 z1 , z1 est directement spécialisé par zi0 .
Exemple 5.20 (L’opérateur drill-down). Inversement à l’exemple 5.19.

Nous cherchons la partition qui contient les résumés fils de z22 à partir de la
partition P6 . Nous retrouvons, suite à l’application d’une opération de forage ves
le bas, la partition P7 . L’application de l’opérateur drill-down, est donc formulée
comme suit :
P7 = Drill − down(P6 , z22 ),
en prenant en considération, la relation d’ordre entre les résumés de ces deux
partitions, tel que mentionné dans l’expression 5.1 de l’exemple 5.19.
Toutes les partitions ayant la relations Pi v Pj sont des candidates valables
pour une opération de généralisation/spécialisation, sauf que dans les opérateurs
de granularité définis dans notre algèbre nous choisissons d’aller dans les succes-
seur/antécédent immédiat ou direct du résumé ou des résumés passés en para-
mètre d’une opération de roll-up ou de drill-down.
5.2.3 Opérations de restructuration

Nous allons nous intéresser maintenant à la dernière catégorie d’opérations
d’analyse en ligne, soit les opérateurs de restructuration. Nous adapterons ici
seulement les opérateurs qui ont un intérêt vis-à-vis de la manipulation des par-
titions et des résumés. Pour ceci, nous avons délibérement ignoré la traduction de
certains opérateurs qui, à notre avis, n’apportent aucun avantage à l’utilisateur
lors de l’exploration de la hiérarchie ou de la manipulation d’une partition. Nous
nous sommes concentré sur la définition de quelques opérateurs qui vont agir sur
la représentation multidimensionnelle d’une partition. Nous expliquons le choix
des opérateurs définis, et nous illustrons chaque définition par un exemple.
5.2.3.1 Représentation multidimensionnelle d’une partition de résu-

més
Avant de proposer les opérations agissant sur la structure d’une partition de
résumés, pour améliorer la visualisation et la navigation dans le résumé, nous
commençons d’abord par définir un schéma général pour la visualisation multi-
dimensionnelle d’une partition de résumés.
Pour ceci, nous choisissons une représentation tabulaire. Il s’agit d’un mode
de visualisation simple et intuitif auquel les utilisateurs sont habitués dans un
contexte décisionnel. C’est aussi la représentation des données traditionnellement
adoptée comme le soulignent les auteurs de [2, 95].
Le tableau 5.4 montre la représentation tabulaire d’une partition de résumés,
cette représentation est organisée de la manière suivante :
– On affiche en premier le nom de la partition analysée (sujet analysé), soit dans
le tableau 5.4, la partition P .
– La première colonne contient les identifiants des résumés de la partition.
– Les colonnes représentent les descripteurs linguistiques {d 1 . . . , dk } et les attri-
buts {A1 , . . . , An }.
– Les mesures se trouvent à l’intersection des lignes/colonnes et contiennent des
valeurs floues comme le degré d’appartenance α ou la cardinalité card. Ces
valeurs sont représentées quand elles existent c-à-d quand un attribut est bien
décrit par le descripteur concerné (en colone) sur le résumé en question (en
ligne). Ce qui explique l’existence de cellules vides (voir la figure 5.5).
Notons que les colonnes représentées en premier sont celles qui peuvent être
visualisées à l’écran, les autres s’affichent quand l’utilisateur désire de les défiler.
P A1 A2 ... An
d1A1 d2A1 d3A1 d1A2 d2A2 d3A2
z1 hαd , cardi
z2 hαd , cardi
z3 hαd , cardi
... hαd , cardi
Table 5.4 – Présentation tabulaire d’une partition de résumés
Afin de montrer le résultat d’une telle représentation sur une partition, nous
proposons l’exemple 5.21 qui détaille la partition P3 déjà présentée dans le ta-
bleau 5.1. Les cellules vides sur le tableau 5.5 représentent des valeurs inexistantes
sur un descripteur (colonne) pour le résumé correspondant (ligne), mais seule-
ment une manière plus simple de proposer un tableau de représentation d’un
niveau général.
Exemple 5.21 (Présentation tabulaire d’une partition de résumés). La
présentation multidimensionnelle de la partition P3 (voir 5.1) consiste à mettre
au premier plan les attributs (dimensions) que l’utilisateur souhaite analyser.
La table 5.5 offre cette présentation. Nous y découvrions seulement les deux at-
tributs en cours d’analyse (ACTIVITE et REVENU), ainsi que les descripteurs
correspondants. On a choisi par simplification de présenter sur ce tableau seule-
ment le degré d’appartenance α comme mesure.
Sur la base de cette présentation multidimensionnelle d’une partition, nous
SUM ACTIVITE REVENU

artiste agent.S. employé homme misérable modeste énorme
d’affaires
z11 0.8 0.7 1.0 1.0
z121 0.9 1.0
z122 0.3 1.0
z13 0.8 1.0
z2 0.8 1.0 1.0
z3 0.8 1.0
Table 5.5 – Présentation multidimensionnelle de la partition de résumés P 3
allons définir un ensemble d’opérateurs de restructuration comme la rotation ou

le tri.
5.2.3.2 Opération de rotation

La rotation exprimée à l’aide de l’opérateur rotate (pivot), est utilisée ha-
bituellement dans l’algèbre multidimensionnelle pour analyser les données dans
diverses perspectives. Cet opérateur s’applique aux dimensions d’un cube de don-
nées. Par analogie, une dimension correspond à un attribut d’une partition de
résumés. La rotation sur les partitions consiste alors à inverser l’attribut (dimen-
sion) courant sur la présentation donnée avec un autre attribut, qui fera l’objet
d’une analyse ou d’une comparaison.
Definition 5.9 (Rotation). L’opérateur de rotation, appelé rotate, permet de sub-

stituer un attribut à un autre dans l’ensemble des attributs (ou schéma de résumé) qui
décrivent les résumés d’une partition. Il est défini comme suit : P 0 = rotate(P, Ai , Aj ),
où le schéma d’un résumé dans P est (X, Ai ) et dans P 0 est (X, Aj ).
Exemple 5.22 (Rotation sur une partition de résumés). Soit le résumé

z ∈ P avec le schéma suivant (A, B, C), où B et C correspondent respective-
ment aux dimensions ACTIVITE et REVENU,comme dans le tableau 5.5. Pour
les besoins de l’analyse, l’utilisateur souhaite mettre en évidence la dimension
ACTIVITE avec la dimension AGE notée D. L’opération de rotation qu’il effectue
est la suivante : P 0 = rotate(P, C, D) cela donne un résumé z 0 ∈ P 0 avec un
schéma (A, B, D).
Cet opérateur, permet donc de changer le schéma à la visualisation d’un
résumé pour sa présentation au sein d’une partition. Cet opérateur agit sur le
contenu intentionnel du résumé, vu qu’il manipule les attributs qui le décrivent et
modifie son schéma. Nous proposons ci-dessous des opérateurs de restructuration
dont le seul but est de réorganiser la présentation sans modification au niveau du
schéma ou du contenu qu’il soit intentionnel ou extensionnel.
5.2.3.3 Opérations identité

L’objectif des opérations d’identité est de donner à l’utilisateur la possibilité
de visualiser une partition de résumés, qui est un ensemble sans ordre, de manière
organisée. L’application de ce genre d’opérateur produit une partition qui reste
la même dans le contenu et dont seulement la présentation est modifiée. On
note alors un tel opérateur d’identité Id(P ) = hP i = Op(P, param), où Op
est l’opérateur d’dentité à appliquer, et param détermine les éléments essentiels
pour établir un ordre. La notation hP i signifie alors que la partition reste la même
sauf que l’opération appliquée permet de l’ordonner d’une certaine manière selon
l’opérateur choisi. Nous proposons ici deux opérateurs le switch et le sort.
L’opérateur switch et l’opérateur sort de l’algèbre multidimensionnelle qui
manipule les cubes de données, sont conçus pour aider l’utilisateur à construire
la représentation tabulaire d’une partition de résumés. Ils produisent tous les
deux la même partition de résumés utilisée en entrée, en adoptant des points de
vue variés.
Opération de permutation
L’opération de permutation switch dans les systèmes OLAP est appliquée sur
les valeurs de chaque dimension. Elle permet de changer la position de ces valeurs.
L’intérêt de cette opération est qu’en réorganisant des dimensions elle permet de
mettre en relief certaines valeurs de mesure, sur les partitions de résumés, la
permutation consiste à contrôler les positions des descripteurs et des attributs
dans le tableau.
Definition 5.10 (Switch, permutation). L’opérateur Switch est appliqué à une par-
tition de résumés P pour inverser deux positions indiquées en paramètres. Nous le
définissons comme :
hP i = Switch(P, C, posi , posj ), où le critère C ∈ {attribut, descripteur ou résumé}
détermine la nature des éléments à permuter, et posi , posj sont les deux positions à
inverser.
Exemple 5.23 (Opération de permutation (switch)).

Considérons l’exemple précédent dans le tableau 5.5. L’utilisateur souhaite com-
parer des informations sur les individus décrits par les résumés de ce tableau (base
de données des SIMPSONS tirée de [83]), qui sont hommes d’affaires ou artistes.
Pour cela, il préfère visualiser ces informations l’une à côté de l’autre. Le ta-
bleau 5.6 illustre le résultat de l’opération switch sur l’attribut ACTIVITE entre
la position du descripteur artiste et la position du descripteur agent de sécurité.
L’opération s’écrit : Switch(P3 , Desc, pos2 , pos4 ).
L’opérateur switch peut s’appliquer sur chaque entrée de la table, c-à-d sur
les résumés, sur les descripteurs ou sur les attributs. Il permute simplement les
positions de deux éléments distincts.
αd ACTIVITE REVENU
art h.aff ag.s emp mise mod enor
z11 0.8 0.7 1.0 1.0
z121 0.9 1.0
z122 0.3 1.0
z13 0.8 1.0
z2 0.8 1.0 1.0
z3 0.8 1.0
Table 5.6 – Permutation sur les positions des descripteurs pour l’attribut ACTIVITE
dans P3
Opération de tri
Nous pouvons également appliquer l’opération de tri (Sort), sur des partitions
de résumés selon un ordre croissant ou décroissant (minimum ou maximum).
Ce tri peut bien s’appliquer aux attributs ou aux descripteurs selon un ordre
alphabétique ou encore aux valeurs contenues dans les cellules comme par exemple
le degré d’appartenance ou la cardinalité.
Definition 5.11 (Sort, tri). L’opérateur sort est appliqué à une partition de résumés
P pour établir un ordre sur un critère ou un paramètre de la partition. Il est noté :
hP i = SORT (P, C, ordre)
où, C ∈ {attribut, descripteur, cardinalités . . .} et ordre correspond à un ordre lexi-

cographique ou un ordre naturel sur des réels, il peut être croissant ou décroissant.
Exemple 5.24 (L’opération de tri (Sort)).

Si on veut trier selon leurs degrés de satisfaction α l’ensemble des résumés de la
partition P3 sur le tableau 5.6, l’opération s’ écrit : hP3 i = SORT (P3 , αagent. sécurité , minimum),
voir le résultat sur le tableau 5.7.
L’opérateur de tri peut également s’appliquer sur chacune des dimensions du ta-
bleau, suivant un ordre donné. Par exemple, il est possible de trier des résumés
suivant les degrés de satisfaction sur un descripteur. Le tableau 5.7 montre un
exemple, où on cherche à trier les résumés de P3 selon les degrés de satisfaction
du descripteur agent de sécurité suivant un ordre croissant.
5.2.4 Synthèse
Il est important de mentionner que quelques opérateurs de restructuration
OLAP habituels pour les cubes de données, tels que le push, le pull ou un/nest
n’ont pas été pris en considération dans cette section. Ces opérateurs n’ont aucune
traduction possible dans notre modèle de partition de résumés. Sur le tableau 5.8,
αd ACTIVITE REVENU
art h.aff ag.s emp mise mod enor
z122 0.3 1.0
z11 0.8 0.7 1.0 1.0
z13 0.8 1.0
z2 0.8 1.0 1.0
z3 0.8 1.0
z121 0.9 1.0
Table 5.7 – Tri de P3 selon αagent de sécurité
nous avons fait un récapitulatif de tous les opérateurs définis jusqu’ici. Ils sont
organisés en catégories. Nous donnons aussi une brève description et le rôle de
chaque opérateur.
5.3 Á propos de l’algèbre

Nous allons nous intéresser dans cette section à compléter quelques caracté-
ristiques liées à l’algèbre définie dans ce chapitre. Nous éclaircissons tout d’abord
la différence existante entre notre algèbre et l’algèbre possibiliste, ensuite nous
consacrons le reste de cette section à étudier la fermeture et la sémantique de
l’algèbre.
5.3.1 Modèle conjonctif.

La structure multidimensionnelle que les opérations algébriques définies dans
ce chapitre manipulent est basée sur les partitions de résumés flous utilisant
des concepts vagues. Ce modèle considère pour chaque attribut, une sémantique
conjonctive. C’est à dire que si nous prenons un individu ou un concept, présenté
sur l’attribut AGE par les descriptions (jeune, âgé). Dans notre modèle, nous
considérons deux étiquettes pour décrire l’attribut AGE, c’est à dire par jeune et
âgé.
D’un autre côté, il existe des travaux qui ont proposé l’extension de l’algèbre
relationnelle aux bases de données possibilistes dans [81]. Ils prennent en considé-
ration, dans cette extension, les valeurs disjonctives d’un attribut. Ce qui signifie
que sur l’attribut AGE, la distribution possibiliste sera décrite par l’une des deux
étiquettes, jeune ou âgé.
Ce qu’il faut mentionné ici, c’est que la sémantique associée aux opérateurs
algébriques définies sur le modèle des partitions de résumés flous, n’est pas si-
milaire aux opérateurs définis sur les modèles possibilistes. La différence réside
dans le fait d’utiliser des concepts sous forme conjonctive dans notre modèle et
disjonctive dans le modèle possibiliste.
CATEGORIE OPERATION DESCRIPTION
Classique Slice Syntaxe P 0 = σ(P, zθṽ).

Rôle Sélection sur les valeurs d’attributs.
Dice Syntaxe P 0 = σ(P, pred(z)).
Rôle Sélection sur les propriétés des résumés.
Projection Syntaxe P 0 = ΠA1 ,..,Ak (P ).
Rôle Réduction du nombre d’attributs dans une
partition.
Fusion Syntaxe P 0 = merge(P, {z1 , . . . , zk }).
Rôle Regroupement des résumes par agrégation.
Produit Car- Syntaxe P 00 = P × P 0 .
tésien
Rôle Combinaison des résumés d’une partition
avec une autre.
Jointure Syntaxe
P∗ = P ./ P0
pred(z.A,z 0 .A0 )
Rôle Connexion de deux partitions selon un cri-

tère. Filtrage d’un produit cartésien.
Ensembliste Union Syntaxe P 00 = {z|z ∈ P ∨ z ∈ P 0 }.
Rôle Union des résumés dans P et P 0 .
Intersection Syntaxe P 00 = {z| z ∈ P ∧ z ∈ P 0 }.
Rôle Intersection des résumés dans P et P 0 .
Différence Syntaxe P 00 = {z|z ∈ P ∧ z ∈ / P 0 }.
Rôle Différence des résumés dans P et P 0 .
Granularité Drill-down Syntaxe P’ = Drill-down (P = {z1 , z2 , . . . , zn } , z1 ),
P 0 = {z10 . . . zn0 , z2 , . . . , zn }}
Rôle Spécialisation d’une partition sur un ré-
sumé.
Roll-up Syntaxe P’ = Roll-up (P =
{{z1 , . . . , zi , zi+1 , . . . , zn },
{z1 , . . . , zi })
P 0 = {z 0 , zi+1 , . . . , zn }
Rôle Généralisation d’une partition sur un sous-
ensemble de résumés.
Restructuration Rotation Syntaxe hP i = rotate(P, Ai , Aj ).
Rôle Inversion des deux attributs dans la parti-
tion P.
Permutation Syntaxe hP i = Switch(P, C, posi , posj )
Rôle Modification de l’ordre des paramètres sur
les résumés.
Tri Syntaxe hP i = SORT (P, C, ordre)
Rôle Tri de P selon le critère C.
Table 5.8 – Tableau récapitulatif des opérations définies dans l’algèbre de manipula-
tion des partitions de résumés
5.3.2 Composition et fermeture.

Chacune des opérations définies dans l’algèbre considère au moins une parti-
tion de résumés en entrée. En revanche, et tout en respectant les conditions de
l’opérateur utilisé, chaque opération produit en sortie une partition de résumés.
Ainsi, l’algèbre proposée pour manipuler les partitions de résumés est une algèbre
fermée. De plus, la partition résultat elle-même peut faire l’objet de l’application
d’un autre opérateur. Cela signifie que la composition d’opérateurs (par exemple
σ ρ π ) est valide pour notre algèbre.
La complétude de l’algèbre de manipulation définie dans ce chapitre, signifie
que toute manipulation pouvant être souhaitée par l’utilisateur devrait pouvoir
être exprimable par une expression algébrique.
Grâce à la fermeture de l’algèbre, nous pouvons déduire que toutes les opé-
rations peuvent être utilisées dans une combinaison pour exprimer une requête
complexe. Ceci est dû au fait, que toutes les opérations produisent en résultat
une partition de résumés, comme déjà indiqué, cette partition peut faire l’objet
d’une entrée pour une nouvelle opération.
Nous définissons une expression algébrique en utilisant notre algèbre. Une
expression utilise un ou plusieurs opérateurs de l’algèbre avec une ou plusieurs
partitions comme opérandes. Soit E l’ensemble de toutes les expressions pos-
sibles, avec e ∈ E une expression algébrique. Si l’expression e est composée d’un
ensemble d’opérateurs algébriques, soit par exemple e = op1 ρ op2 . Il est à noter
que la relation ρ existant entre deux opérations est une relation binaire, ce qui
implique qu’elle est réflexive, symétrique et transitive.
5.3.3 Sémantique de l’algèbre

Dans cette section, nous étudions la sémantique de l’algèbre définie dans ce
chapitre. Pour cela nous nous sommes intéressés à quelques critères usuels propres
à valider le calcul proposé. Les critères retenus sont les suivants :
1. La signification des opérateurs. Chaque opération définie dans l’algèbre d’une

manière syntaxique, a une sémantique vis-à-vis du résultat qu’elle fournit. Cette
sémantique est issue de l’algèbre relationnelle pour les opérateurs classiques, et
de l’algèbre des cubes multidimensionnels pour les opérateurs de granularité et
de restructuration. Au cours des définitions proposées, chacune des opérations
a été illustrée par un exemple afin de montrer son utilité. La catégorisation
adoptée pour présenter les opérateurs fait également sens du point de vue de
l’objectif général de chacune des opérations. De plus, un ensemble d’opérateurs
de restructuration n’a pas été défini, pour la bonne raison que leur adaptation
n’a pas trouvé de sémantique valable dans l’algèbre de manipulation des par-
titions de résumés flous.
2. Le rapport de sens entre les opérateurs. Ce critère est basé sur la fermeture
et la composition de l’algèbre abordées dans la section 5.3.2. Du point de vue
sémantique, l’enchaînement d’un ensemble d’opérateurs doit permettre la réali-

sation de l’objectif d’analyse fixé par l’utilisateur. En effet, ce dernier compose
les suites d’opérations dont il a besoin pour avoir une certaine partition sur
laquelle il se pose une certain nombre de questions. La fermeture de l’algèbre
permet donc de conserver la sémantique des opérateurs, qu’ils soient utilisés
seuls ou dans une expression avec plusieurs autres opérateurs.
3. Les conditions de vérité d’une opération. En définissant les opérations de l’al-
gèbre de manipulation des partitions de résumés, nous avons été parfois amené
à poser des conditions pour respecter la fermeture de l’algèbre. Alors, pour ceci
nous avons exigé pour chaque partition résultante de l’application d’une opé-
ration, qu’ils n’y aient pas de résumés conflictuels. Une autre condition a été
posée dans le cadre des opérations binaires, elle consiste à ne prendre que les
partitions ayant une intersection vide. Les conditions de vérité des opérations
définies respectent toutes la propriété de faible orthogonalité et de complé-
tude des partitions manipulées et produites, afin de garantir la fermeture de
l’algèbre.
Nous avons aussi, souligné pour chacune des opérations, l’impact de son ap-
plication sur l’extension et la cardinalité des résumés manipulés au sein d’une
partition.
La définition des contraintes pour l’application d’un certain nombre d’opéra-
tions nous interdit des situations d’utilisation d’opérateurs comme pour l’exemple
de la projection conflictuelle. Ce type d’interdiction ne nous permet pas de pré-
tendre la complétude de l’algèbre, en revanche il nous garantit la fermeture.
La sémantique de la composition des opérateurs dépend donc des conditions
de la fermeture de l’algèbre. Nous avons expliqué dans le chapitre précédent
qu’une coupe de la hiérarchie est une partition qui respecte non seulement la
propriété de faible orthogonalité mais aussi la complétude (la couverture de la
relation initial R). La fermeture de l’algèbre proposée est garantie pour l’ensemble
des partitions. Sachant que le point de départ de toute manipulation dans notre
modèle est une coupe, nous allons associer chaque partition P à une coupe C
de le hiérarchie par une relation (C, P ). Ainsi une partition qui est résultat par
exemple de l’application d’une opération de sélection ou d’une projection peut ne
pas être une coupe de la relation mais le fait d’avoir une coupe à laquelle elle est
associée nous permet de pouvoir lui appliquer des opérateurs comme le roll-up
ou le drill-down qui agissent sur les coupes de la hiérarchie.
Nous rappelons, que l’objectif de cette algèbre et de fournir à l’utilisateur
un outil qui permet de le guider pour la manipulation et l’analyse des résumés
flous. La finalité de cette algèbre est de supporter un outil convivial et intuitif
pour guider l’utilisateur dans ses analyses. Nous proposons pour ceci le passage
d’une forme d’expression algébrique à une interface visuelle de formulation qui
décharge l’utilisateur de toute connaissance de la syntaxe de notre algèbre. Cette
interface orientée utilisateur est présentée dans la section suivante.
5.4 Interface graphique

Nous avons présenté jusqu’ici un modèle de données ainsi qu’une algèbre pour
manipuler des résumés linguistiques de données relationnelles. Nous avons donné
une structure multidimensionnelle à ces résumés pour permettre leur manipula-
tion. L’objectif est de fournir à l’utilisateur un outil d’exploration ainsi que la
possibilité d’interroger et de manipuler des partitions de résumés flous, issues
d’une hiérarchie générée par le système SaintEtiQ.
Nous présentons dans cette section l’interface d’exploration interactive des
résumés linguistiques flous. Nous présentons tout d’abord, les données factuelles
sur l’implémentation de cette interface. Ensuite l’interface graphique orientée
utilisateur est présentée, en suivant quelques exemples de fonctionnalités qu’elle
offre pour la manipulation d’une partition de résumés.
5.4.1 Implémentation
Afin de valider le modèle proposé et son algèbre de manipulation et de vi-

sualisation, nous proposons d’implémenter une interface de représentation et de
manipulation des résumés. Nous avons utilisé pour la mise en place de cette
interface différents outils :
1. Les résumés sont stockés dans des documents XML. En effet, les résumés gé-
nérés par SaintEtiQ sont présentés sous forme de documents. Chaque résumé
évolue au cours de l’apprentissage et contient la référence aux résumés fils sous
forme de liens. Chacun de ses documents possède une syntaxe XML spécifiée
dans un formalisme XML-Schema 2 .
2. L’extraction des résumés ainsi que les informations nécessaires pour l’applica-
tion de l’algèbre est gérée par un analyseur syntaxique (parser ) XML.
3. Les opérateurs de manipulation des résumés sont implémentés avec le langage
de programmation JAVA sous l’environnement de programmation netBeans4.1.
La hiérarchie des résumés est stockée dans un document XML, contenant les
informations sur chaque nœud, représentant un résumé. La figure 5.2 montre un
exemple de résumé, sérialisé dans un document XML. Ce document est construit
sur la base de la définition du résumé telle qu’elle a été introduite dans les cha-
pitres précédents et consiste à définir un résumé selon le triplet (z = (I z , Ez , Rz ))
de son intention, son extension et la relation qui existe avec ses nœuds fils.
Les données d’entrée sont stockées dans deux fichiers XML : le premier est
celui qui contient la hiérarchie des résumés générés par SaintEtiQ, et le second
est celui qui contient les connaissances de domaine (BK) ayant servi pour la
construction des résumés.
2
les détails de ces schémas sont fournis dans [90].
Figure 5.2 – Exemple de document résumé

5.4.2 Les fonctionnalités

L’objectif de cette interface est de fournir un outil adapté à l’utilisateur final
en élaborant des fenêtres simples à interpréter et en proposant des contrôles
intuitifs pour un utilisateur lambda. Ainsi les principaux éléments de l’interface
sont :
– La visualisation de la hiérarchie générale.
– La visualisation des partitions sous forme tabulaire.
– L’application d’opérateurs de manipulation sur les partitions avec la possibilité
de préciser les résumés concernés par cette manipulation.
– La possibilité de choisir un attribut bien précis et des descripteurs spécifiques,
pour explorer une partition.
Selon le modèle de partition proposé dans le chapitre précédent, la première
fonctionnalité de cette interface est la présentation d’une liste de partitions cal-
culées à partir de la hiérarchie ainsi que d’établir un ordre total existant sur cette
liste.
Figure 5.3 – Fenêtre d’accueil de l’interface graphique
La figure 5.3, montre la fenêtre d’accueil de l’interface graphique utilisée.

Cette fenêtre présente la hiérarchie de résumés, leurs niveaux d’abstraction ainsi
que la liste des partitions construites sur cette hiérarchie.
Le niveau d’abstraction. L’utilisateur a la possibilité de sélectionner sur l’en-

semble de la relation R, un niveau d’abstraction avec lequel il souhaite manipuler
la partition de résumés correspondante, qui fera l’objet de son analyse. Ainsi sur
la fenêtre d’accueil est affiché un curseur 3 qui permet de choisir un taux de com-
pression pour la relation originale dans la liste des partitions pré-calculées. Le
curseur offre une graduation sur une échelle allant de 0 à 100%, pour présenter
le taux de compression d’une partition par rapport à la base originale.
Sur ce curseur, le taux de compression maximal représente le nœud racine
de la hiérarchie ce qui correspond au degré de généralisation le plus élevé de
la hiérarchie. Notre choix, seulement par simplification, est que le curseur soit
positionné par défaut sur ce degré maximal.
3
traduction en français d’un slider.
5.4.3 Exploration
Cette interface est principalement construite pour intégrer des fonctionnalités
de manipulation et de présentation de partitions de résumés déjà définies dans
ce document.
La fenêtre d’accueil de l’interface utilisateur, présentée à la figure 5.3, permet
de sélectionner la partition à explorer, selon un niveau d’abstraction donné. Cette
partition fera l’objet de différentes manipulations.
5.4.3.1 La visualisation
La visualisation de la partition choisie, consiste à représenter les résumés de
cette partition sous une forme tabulaire sur l’ensemble des attributs concernés.
La figure 5.4, montre cette fenêtre d’affichage d’une partition.
Figure 5.4 – Fenêtre d’affichage d’une partition de résumés
Les informations sont affichées selon une représentation tabulaire, ce qui est
particulièrement adapté à l’utilisateur pour sélectionner le résumé qu’il veut dé-
tailler ou généraliser. Dans la représentation d’une partition, pour chaque résumé
les informations suivantes seront fournies :
– l’ensemble des étiquettes floues représentant le résumé sur chaque attribut,
comme le montre la figure 5.5.
– les différentes informations du résumé, il suffit que l’utilisateur clique sur le ré-
sumé qui fera l’objet de son interrogation pour afficher les informations concer-
nant ce résumé (cardinalité, nombre de fils, taille de l’extension . . . ), voir la
figure 5.5.
– la possibilité de zoomer sur la partition suivant le résumé choisi.
5.4.3.2 Les opérateurs

Le menu déroulant de la figure 5.5 permet d’appliquer les différentes opéra-
tions possibles sur les partitions. Nous présentons ici un exemple des opérateurs
de granularité et de sélection.
Dans un processus d’analyse et d’exploration, l’utilisateur est amené à passer
par plusieurs partitions de résumés intermédiaires avant d’atteindre son objectif.
Si par exemple l’utilisateur veut afficher les détails d’un résumé choisi dans une
Figure 5.5 – Informations sur le résumé et sur les attributs
partition il est amené à faire varier la granularité de la partition sur ce résumé. Les
opérateurs de granularité sont appliqués directement sur la partition du résumé
ou sur le résumé lui même au moyen d’une simple manipulation de la souris.
Par exemple, la manipulation concernant le raffinement (drill-down) du résumé
permet de détailler les résumés à un niveau de détail plus fin, sachant que les
résumés sont liés par une relation d’ordre. Ce procédé de raffinement contribue à
l’aide à l’analyse par la navigation, étant ainsi possible de parcourir les différents
niveaux de la hiérarchie.
Les opérateurs de granularité notamment le drill-down et le roll-up présentés
respectivement dans l’interface par zoom-in et zoom-out ont un impact direct
sur la visualisation d’une partition de résumés. En effet, ces deux opérateurs
permettent de "zoomer" sur la partition de résumés courante. Leur application
permet d’afficher la partition mère (zoom-out) ou fille (zoom-in) immédiate du
résumé choisi, et d’afficher la partition à l’écran avec le niveau approprié maté-
rialisé par la position du curseur.
Figure 5.6 – Application du zoom-in sur le résumé R.1
Les figures 5.6 et 5.7, montrent un exemple de l’application d’un zoom-in

(équivalent à un drill-down) sur le résumé R.1 de la partition P = {R.1, R.2, R.3}.
L’application de l’opérateur drill-down sur R.1 permet d’afficher la partition
P 0 = {R.1.1, R.1.2, R.1.3, R.2, R.3} contenant les nœuds fils (résumés) de R.1.
La fenêtre affiche tous les détails de chaque résumé sur chaque attribut, le taux
de compression de la partition P 0 (ici égal à 80%) ainsi que la position des résumés
résultats sur la hiérarchie.
Figure 5.7 – Résultat du zoom-in sur le résumé R.1
Figure 5.8 – Fenêtre de définition des critères de sélection
L’interface nous permet également l’interrogation d’une partition en appli-

quant des opérateurs de manipulation classiques, tels qu’ils ont été définis pré-
cédemment. Nous choisissons de montrer l’exemple de la fenêtre permettant de
saisir une sélection sur les résumés slice d’une partition, en spécifiant différents
critères sur les attributs et sur les valeurs recherchées. La figure 5.8, illustre cette
opération.
Ci-dessous, est présenté un scénario d’une analyse, avec l’utilisation de quelques
opérations de l’algèbre définie.
Scénario orienté prise de décision
L’exploration d’une hiérarchie, comme celle de l’exemple 5.1, permet à l’uti-

lisateur d’avoir des informations d’ordre général. Les requêtes nécessitant des
résultats précis ne peuvent avoir des réponses par une simple navigation explo-
ratoire de la hiérarchie. L’algèbre proposée précédemment permet en effet à un
utilisateur d’explorer les résumés en appliquant des manipulations dans un but
analytique.
Nous prenons en considération un extrait d’une base de données sur des indivi-
dus clients d’une banque afin d’étudier leur comportement vis-à-vis des produits
proposés. La base est une relation dans laquelle chaque enregistrement repré-
sente un client, et où les attributs décrivent le client par des termes sur son âge,
son revenu ou son activité, ainsi que les produits bancaires que le client utilise
(comptes, cartes de crédit, prêts, . . . ).
Nous supposons que l’utilisateur souhaite analyser l’utilisation d’un client
pour l’ensemble des services bancaires, et singulièrement il cherche à savoir s’il
existe une relation entre la fidélité d’un client et le niveau de son revenu.
Pour ceci, l’utilisateur sélectionne tout d’abord le niveau de granularité avec
lequel il souhaite travailler. Ce niveau doit lui fournir une vue complète de la
relation qui peut être explorée en utilisant la liste des résumés de ce niveau.
Ensuite, il spécifie la valeur de la durée qu’il désire conserver pour décrire la
fidélité, cette durée étant décrite par les étiquettes linguistiques ancien, moyen
ou récent. Pour exprimer la fidélité d’un client, l’utilisateur choisira l’attribut
durée avec le descripteur ancien. Seuls les résumés représentés par ce descripteur
seront alors sélectionnés. Sur l’ensemble de ces résumés, il pourra préciser un seuil
de fidélité sur le degré de satisfaction du descripteur ancien, afin de ne garder
que les résumés contenants les clients qu’il considère comme fortement fidèles.
L’utilisateur peut dans l’étape suivante raffiner sa requête. Pour ceci, sup-
posons qu’il souhaite étudier dans le détail les résumés retenus afin de mieux
expliquer la fidélité des clients. Pour ceci il cherche à visualiser la partition qui
contient ces résumés à un niveau de granularité plus élevé. Ensuite, il ne gardera
que les résumés ayant un certain revenu.
Si nous considérons que P est la partition en entrée de ce scénario. L’expres-
sion algébrique que l’utilisateur génère pour une telle requête considérée comme
complexe, est la suivante :
P 0 = πdurée,revenu (σ(P, z.durée(ancien) ≥ s)
où s est un seuil fixé. Finalement, une simple opération de forage vers le bas
permet de donner les détails de chaque résumé que l’utilisateur souhaite analyser.
Le scénario descriptif qui vient d’être présenté montre la façon dont les opé-
rateurs de l’algèbre d’analyse en ligne définies dans ce chapitre peuvent aider un
utilisateur dans l’analyse des données représentées par les résumés d’une hiérar-
chie.
5.5 Conclusion
Dans ce chapitre, nous avons défini une collection d’opérateurs algébriques
sur l’espace multidimensionnel de partitions de résumés. Ces opérateurs sont à la
base d’une algèbre de manipulation des résumés. Cette algèbre prend en compte
les spécificités du modèle de résumé que nous traitons et permet d’explorer suc-
cinctement le contenu de la base de données sans y accéder. Nous avons adapté la
majorité des opérateurs d’analyse proposés dans les systèmes OLAP. Ainsi, nous
avons identifié pour cette algèbre trois catégories d’opérateurs : les opérateurs
de base (restriction, projection, union, . . . ) issus de l’algèbre relationnelle, les
opérateurs de changement de granularité (roll-up et le drill-down) et les opéra-

teurs de restructuration (rotation, permutation, . . . ). L’aspect flou des résumés a
été un élément principal pour l’adaptation des opérateurs d’analyse en ligne aux
résumés linguistiques de SaintEtiQ.
Nous nous intéressons dans le chapitre suivant à la représentation des résumés
et des partitions de résumés produits par SaintEtiQ, notamment pour en fournir
une présentation claire et facile à interpréter par l’utilisateur final.
C HAPITRE 6
Représentation des
résumés par prototypes
flous
L’art ne veut pas la représentation d’une chose belle mais la
belle représentation d’une chose.
— Emmanuel, Kant, .
6.1 Introduction
Généralement, la caractérisation par prototypes flous permet de fournir une
description d’un ensemble de données dans l’objectif de rendre facile l’interpréta-
tion de ces données par l’utilisateur. La représentation prototypique réalise une
mise en correspondance de classes identifiées avec des concepts naturels utilisés
intuitivement pour décrire les données.
Dans les chapitres précédents, le modèle SaintEtiQ [83] montre que les ré-
sumés linguistiques constituent un moyen privilégié pour appréhender le contenu
d’une base de données. Grâce aux caractérisations linguistiques fournies par des
connaissances de domaine, ce modèle présente l’avantage d’adopter une repré-
sentation intelligible des résumés. Leur construction est incrémentale et réalise
une classification hiérarchique des données vues à travers ces connaissances de
domaine. Cependant, une fois les résumés obtenus, se pose le problème de leur
analyse pour un utilisateur désirant extraire de l’information. Bien que l’inter-
prétation d’un résumé soit simple elle devient difficilement envisageable pour un
nombre élevé de résumés. Nous proposons donc d’enrichir la hiérarchie de résu-
més produits par SaintEtiQ, dans le cadre de la représentation prototypique
des sous-ensembles flous.
L’objectif de ce chapitre est de caractériser les résumés, en définissant un
représentant typique des n-uplets contenus dans le résumé. Cette représentation
tire profit du cadre formel de la théorie des sous-ensembles flous, pour modéliser
les limites imprécises du prototype. Dans ce contexte, trois méthodes différentes
de construction de prototype ont été étudiés, pour chaque vue ou coupe de la
hiérarchie des résumés. Le calcul de prototype que nous présentons cherche à
119
120 CHAPITRE 6 — Représentation des résumés par prototypes flous
trouver la meilleure façon de fournir à l’utilisateur une interprétation purement

linguistique des résumés.
6.1.1 Problématique
Considérons à un niveau d’abstraction donné de la hiérarchie produite par
SaintEtiQ une partition contenant un grand nombre de résumés. Chacun des
résumés constitue une forme de connaissance sur les données résumées, cette
connaissance est représentée par l’intention du résumé décrivant les n-uplets se
trouvant dans son extension. Toutefois, l’information contenue dans la descrip-
tion intentionnelle d’un résumé est considérée comme une représentation difficile à
interpréter par un utilisateur, étant donné l’utilisation d’un ensemble de descrip-
teurs chacun avec un degré de satisfaction sur chaque attribut. Cette structure
issue de la théorie des sous-ensembles flous est certes efficace pour souligner les
limites de l’incertitude mais elle contribue à la complexité de la représentation
du modèle de données, défini dans un chapitre précédent, représenté par une
partition de résumés flous. Il est donc légitime d’étudier de quelle manière re-
présenter les résumés au sein d’une partition afin de faciliter l’interprétation par
l’utilisateur de l’information qu’il peut trouver dans un tel modèle.
Nous proposons dans la suite de ce chapitre d’étudier la construction des
prototypes flous à partir des résumés d’une partition, dans l’objectif de les pré-
senter à l’utilisateur. L’idée générale de cette proposition est de disposer d’une
description concise en langage naturel sous forme d’un prototype qui représente
un résumé à l’aide d’un unique descripteur linguistique sur chaque attribut.
6.2 Les prototypes flous

Le terme prototype désigne un élément choisi pour représenter un ensemble
de données : il est unique et caractérise l’ensemble de ces données, les résume et
met en avant les éléments les plus importants, facilitant en cela l’interprétation
par l’utilisateur.
De manière générale on appelle " prototype " l’élément choisi pour résumer
un groupe de données résultant par exemple d’une étape de clustering : c’est un
unique individu qui caractérise le groupe, l’ensemble des prototypes peut ensuite
être utilisé comme une représentation simplifiée de l’ensemble initial des données.
Dans la représentation d’un prototype, on utilise le plus souvent, un point
unique associé au groupe. Ce point est considéré comme le centre du groupe, il
peut être calculé selon diverses méthodes (moyenne du cluster, moyenne pondérée,
médiane ou autres). Dans ce chapitre nous envisageons de trouver une représen-
tation pour un résumé de données considéré comme un sous-sensemble flou. Le
représentant de ce résumé ne peut être réduit à un point, d’où le caractère flou
du prototype à construire. Ce prototype est donc considéré comme un concept
flou mais à une condition que sur chaque attribut il n’y aura qu’un descripteur
linguistique. Le caractère flou des prototypes des résumés est aussi justifié par
CHAPITRE 6 — Représentation des résumés par prototypes flous 121
l’utilisation des étiquettes linguistiques qui expriment une notion imprécise d’un
individu décrit sur un attribut. D’autres approches existantes peuvent associer
une représentation plus riche que des points comme les méthodes de clustering
flou qui fournissent des sous-ensembles flous représentant un groupe mais qui ne
correspondent pas à des prototypes, parce que souvent ces représentants donnent
une vision très simple en modélisant des points qui appartiennent simultanément
à plusieurs clusters.
Notre intérêt pour la représentation des résumés flous s’inscrit dans le cadre de
la représentation des concepts flous. Un résumé tel qu’il est a une représentation
intentionnelle qui est une description synthétique des éléments appartenant à
l’extension du résumé. Sur chaque attribut A, un concept vague z.A est défini,
qui correspond à toutes les valeurs possibles que peut prendre un n-uplet de R z
sur A. Les sciences cognitives se sont intéressées à la représentation des concepts
flous. En effet, les sciences cognitives s’intéressant à la représentation cognitives
des catégories ont montré que certains éléments d’une catégorie peuvent être
considérés comme les plus typiques et constituent donc les meilleurs exemples ou
représentants de la catégorie. Ces travaux initié par E. Rosch [88], ont montré
que les membres d’une catégorie ne sont pas tous équivalents, quelques uns étant
plus représentatifs ou typiques que d’autres. Ils ont montré aussi qu’un point
est typique s’il est similaire aux autres membres de son groupe et différent des
membres d’autres groupes.
6.2.1 Travaux connexes

Plusieurs travaux se sont intéressés à étudier les prototypes flous et leur appli-
cation. Dans les travaux de Frigui et Nasraoui [28], une approche de construction
de prototype par sélection d’attribut pertinent a été définie. Les attributs ne sont
pas déterminés globalement pour la totalité des données mais dépendent plutôt
des groupes considérés et permettent de caractériser chacun des groupes. D’autres
travaux [61, 60], ont proposé une approche pour la construction de prototypes
flous. Dans ces travaux, un prototype flou est défini comme une agrégation des
éléments les plus typiques. Il accentue les points communs des membres d’une
catégorie mais également leurs caractéristiques distinctives. Il se fonde sur la
notion de typicité qui modélise le fait que tous les membres d’un groupe ne re-
présentent pas d’une manière égale le groupe de données. Cette notion de typicité
d’un élément au sein d’un groupe dépend de deux mesures de comparaison : sa
ressemblance et sa différence avec les autres éléments. Ces travaux se sont ba-
sés sur une procédure définie par Rifqi dans [87], qui construit des prototypes
flous dans le cas où les données considérées sont floues. Les prototypes flous ont
aussi été utilisés pour la découverte et la représentation des connaissances par
Jose A. Olivas dans [77]. Il a définit le modèle FPKD pour Fuzzy Prototypical
Knowledge Discovery, en se basant sur la définition d’un prototype proposée par
Zadeh dans [104]. Zadeh dans son approche suggère de présenter un concept par
un ensemble de prototypes représentant la compatibilité avec les échantillons du
concept par (haut, moyen ou bas). Il a aussi proposé récemment la notion de

protoform [106], qui a été utilisée dans certaines approches de construction de
résumés linguistiques [48, 47, 108].
6.2.2 Prototypes flous pour les résumés linguistiques

L.A Zadeh a proposé dans [106], la notion de protoform pour forme proto-
typique, qui est une forme générale d’un résumé de données linguistique. Il est
défini comme un sigma-résumé, c’est-à-dire, un résumé de résumés. Par exemple,
le protoform de la proposition " la plupart des Français sont grands " est " Q
A est B", où Q est un quantificateur flou, et A, B sont des étiquettes floues.
Dans [106], cette notion est utilisée pour les moteurs de recherche. Elle semble
être une idée conceptuelle très puissante pour la formalisation d’un raisonne-
ment cohérent humain, et pour les capacités de déduction dans les moteurs de
recherche.
La notion de protoform, a été utilisée pour les résumés linguistiques dans l’ap-
proche de Kacprzyk [48]. Les résumés produits ont été utilisés pour construire
des protoforms dans un processus de découverte de connaissances dans les tra-
vaux de Kacprzyk [48, 47, 108]. Dans ces travaux les auteurs travaillent sur des
données linguistiques dans des résumés illustrés par la plupart des employés sont
jeunes et bien payés. Ils considèrent que l’utilisation de la logique floue qui faci-
lite l’utilisation du langage humain, cohérent et naturel fait la force d’un outil
de découverte de connaissance. Et ils présentent, une extension d’une approche
interactive, basée sur la logique floue et les requêtes exprimées par le système
FQUERY (présenté dans le chapitre 3) pour les données floues [46, 107], pour
impliquer des critères plus sophistiqués dans les méthodes de recherche. Ils re-
commandent pour ceci l’usage du concept de protoform, comme la forme générale
d’un résumé de données linguistique, ainsi que la construction d’une hiérarchie
de protoforms pour les résumés. Etant donné que le système SaintEtiQ s’ins-
crit dans la classe d’approches pour la construction des résumés linguistiques,
nous avons pensé qu’il est intéressant d’étudier l’adaptation de la notion de pro-
totype flou aux résumés de SaintEtiQ. Cette adaptation sera utilisée dans la
représentation prototypique des résumés.
Dans ce qui suit notre objectif est de présenter à l’utilisateur final des résumés
qui seront facilement interprétable, en s’appuyant sur la définition introduite par
E. Rosch dans le cadre des sciences cognitives.
6.3 Prototypes de résumés

Dans cette section nous proposons une voie pour présenter les informations
brutes que nous trouvons dans les résumés de données à l’aide de prototypes
flous. Pour ceci nous étudions trois méthodes de construction de prototypes dans
le contexte de partition de résumés. Les trois méthodes que nous proposons consi-
dèrent un résumé z dans une partition de résumés obtenue suivant une coupe de
la hiérarchie produite par SaintEtiQ, et sélectionnée par l’utilisateur. Ces trois

méthodes sont les suivantes :
1. La première méthode, dite idéale consiste en la construction d’un prototype
idéalisé à partir d’un résumé z, en analysant sa description sur chaque attribut.
Cette méthode est considérée comme une approche multidimensionnelle, elle
est sensible aux corrélations existantes entre les attributs, c’est une approche
qui considère le résumé du point de vue de son intention.
2. La deuxième méthode, dite réelle consiste en la construction du prototype à
partir des feuilles du résumé z qui sont les plus représentatives, afin de trouver
celle qui représente le mieux le résumé. Cette seconde méthode est une approche
qui se focalise sur la comparaison de n-uplets présents dans l’extension du
résumé.
3. La troisième méthode, dite hybride consiste à trouver les représentants du ré-
sumé matérialisés par les feuilles du sous-arbre de z étant les plus proches du
prototype dit idéalisé.
L’objectif de ces méthodes est celui de donner une représentation des résumés
par le biais de prototypes flous. Le prototype fourni doit respecter la propriété
de l’unicité. Nous posons légitimement la condition que le prototype que nous
cherchons à construire est unique, vu que la facilité d’interprétation que nous
souhaitons offrir à un utilisateur est celle d’associer chaque résumé à un unique
représentant. Dans ce qui suit nous considérons un prototype par résumé de
données. La suite de ce chapitre est consacrée à étudier les détails de chacune des
méthodes et à discuter les avantages et les inconvénients de chacune.
6.3.1 Prototype idéalisé d’un résumé

Nous considérons ici l’intention du résumé qui offre un sous-ensemble flou
sur chacun des attributs. Notre objectif est de trouver attribut par attribut le
descripteur linguistique le plus représentatif du sous-ensemble flou z.A i . Pour ceci
nous définissons le prototype idéalisé sur l’intention du résumé.
Definition 6.1 (Prototype idéalisé d’un résumé). Le prototype idéalisé PrI(z) d’un
résumé z est un élément du produit cartésien des étiquettes linguistiques qui decrivent
chacun des attributs réécrits du résumé.
PrI(z) = he1 , e2 , . . . , ek i
+
avec ei ∈ z.Ai et z.Ai ∈ F(DA i
), 1 ≤ i ≤ k
Le prototype idéalisé d’un résumé z est donc défini sur ki=1 (z.Ai ), qui donne
Q
un singleton sur chaque attribut du résumé z. Le sous-ensemble flou z.A i est
représenté par un ensemble de triplets (ei , µei , supp(ei )), où ei est une étiquette
linguistique sur l’attribut Ai , µei est le degré de satisfaction de ei et supp(ei ) est
le support défini dans la présentation du système SaintEtiQ.
D’un point de vue sémantique, le prototype idéalisé offre à l’utilisateur une

liste de descripteurs typiques d’un résumé dans une partition. Ce prototype idéa-
lisé doit respecter la condition d’unicité, ainsi que l’objectif de décrire chaque
attribut par un unique descripteur afin de simplifier l’interprétation de l’inten-
tion du résumé par l’utilisateur.
6.3.1.1 Construction d’un prototype idéalisé

La construction du prototype idéalisé est basée sur l’intention du résumé, c’est
à dire qu’à partir des informations fournies dans la description intentionnelle d’un
résumé notre objectif est de trouver la description prototypique de ce résumé au
sein d’une partition. Le résultat de cette construction est un prototype qui decrit
chacun des attributs du résumé par un seul descripteur, cette construction se fait
donc attribut par attribut.
Pour cacluler ce prototype, nous nous sommes inspiré des travaux de construc-
tion des prototypes flous [61], sui se basent sur la typicité d’un élément dans une
classe. Le calcul de la typicité utilise les mesures de comparaison comme la si-
milarité intra-classe et la dissimilarité inter-classe. En effet, d’après B. Bouchon-
Meunier et M. Rifqi [13] une mesure de comparaison entre deux sous-ensembles
flous A et B prend en compte trois caractéristiques : l’intersection A ∩ B et la
différence A − B et B − A. Une mesure de comparaison peut évaluer la ressem-
blance de deux descriptions cette mesure est appelée mesure de similitude interne
ou leurs différence et cette mesure est appelée mesure de dissimilarité externe.
Sur la base de ces mesures de ressemblance nous allons dans un premier lieu
élaborer des mesures qui nous aideront à extraire le meilleur descripteur d’un
résumé sur un attribut.
Calcul du meilleur descripteur

A notre sens, le meilleur descripteur est celui qui est typique au niveau de
l’attribut d’un résumé. Cette typicité peut être simplement dûe au grand nombre
de n-uplets décrit par ce descripteur et dans ce cas on parle de support d’un
descripteur supp(d). Mais vu que les descripteurs ayant les mêmes valeurs de
support sont nombreux, la mesure de support est alors insuffisante pour trou-
ver le meilleur descripteur. Pour ceci nous suivons une démarche pour extraire
l’ensemble des meilleurs descripteurs au niveau du résumé puis au niveau de la
partition.
Au sein du résumé interne (similitude). Afin de comparer les descripteurs

sur un attribut au sein du même résumé, nous calculons un score pour chacun
des descripteurs.
Pour un attribut A ∈ A, l’intention z.A du résumé z est un ensemble flou
construit sur le domaine FA+ , l’ensemble des sous-ensembles flous de la liste des
étiquettes linguistiques définies dans le BK correspondant à l’attribut considéré.
Calculer un score pour chacune des descriptions permet de mesurer sa qualité

dans l’intention. Le score de chaque étiquette linguistique e (descripteur) sur un
attribut A dans un résumé z est égal à la valeur maximale du support et du degré
de satisfaction de l’étiquette :
Scorez.A (e) = µz.A (e) × suppz.A (e)

avec, supp(e) = ω(ct). Le support d’un descripteur d de l’intention d’un
P
résumé noté supp(e), représente le nombre d’instances effectivement décrites à
l’aide de ce descripteur. Le poids ω(ct) d’un n-uplet candidat est égal à sa repré-
sentativité vis-à-vis des n-uplets d’origine.
Le calcul de ce score interne au résumé est insuffisant pour décrire un pro-
totype unique dans la mesure où plusieurs descripteurs peuvent avoir les mêmes
valeurs. Nous étendons la recherche du meilleur descripteur au niveau de la par-
tition des résumés.
Pour une partition (dissimilarité). Afin de pouvoir choisir entre différents

descripteurs à valeurs de score égales nous nous intéressons à leur pouvoir de
discrimination.
Le pouvoir de discrimination d’un descripteur : nous considérons un

ensemble de descripteur {e1 , . . . , ek } sur un attribut A. Le descripteur discrimi-
nant sur z, z ∈ P une partition de résumés, est celui qui se trouve dans z et pas
dans les autres résumés de P . Plus formellement :
+
∀z, z 0 ∈ P, e ∈ DA
e ∈ supp(z.A) et e ∈ supp(z 0 .A)1
e est le descripteur discriminant du résumé z sur la partition P .

Cette approche de calcul de prototype suivant l’intention du résumé permet
de proposer un descripteur pour chaque attribut, et une représentation idéalisée
du résumé. Cependant, et selon l’interprétation prototypique des concepts au sens
de Eleanor Rosch [88], ce prototype a la particularité d’être éventuellement non
présenté dans les données réelles décrites par ce résumé. Il est donc nécessaire de
s’entourer de précautions lors du calcul du prototype, et de n’utiliser cette forme
de représentation idéalisée qu’en première approximation. Cette méthode peut
bien être utilisée dans le cas où l’utilisateur aimerait bien par exemple trouver
la présentation prototypique d’un résumé tout en sachant que ce prototype ne
correspond pas forcément à des enregistrements réels mais plutôt à ce que pourrait
être des enregistrements typiques d’un ensemble de données résumées.
6.3.1.2 Application du prototype idéalisé

Nous avons appliqué cette méthode à une base de données commerciales d’une
banque. Cette base contient 33733 n-uplets qui sont réecrits en 55546 n-uplets
candidats et génèrent 27 304 nœuds dont 14269 feuilles. Les dix attributs qui ont
été décrits sont présentés dans la première colonne du tableau 6.6.
Attribut Descripteur z
idéalisé feuille
Qte produit very few few
Nb carte bleue none none
Nb compte chèque one one
Segment comportemental 7 7
Flux créditeur low low
Nb d’opérations average average
Ressources totales high high
Nb retrait espèces none none
Durée relation ancient ancient
Age old old
Table 6.1 – Comparaison des deux prototypes du résumé racine R
Nous proposons dans l’algorithme 6.1, une méthode de recherche de l’ensemble

des étiquettes linguistiques ou descripteurs les plus typiques sur l’intention d’un
résumé.
Cet algorithme fait appel à la fonction ExtractDescriptor() présentée par l’al-
gorithme 6.2, qui prend en entrée une liste de descripteurs D, sur un attribut
donné A, un résumé z, et la partition en cours P . Elle fournit en sortie, un seul
descripteur du résumé z sur l’attribut A. L’objectif de cette fonction est de gar-
der le descripteur typique qui n’est pas représenté dans d’autres résumés de la
partition sur l’attribut A.
Comme nous l’avons déjà indiqué, deux cas extrêmes se présentent : le premier
est que la même liste de descripteurs extraits se trouve dans deux résumés (ou
plus) différents de la partition manipulée, le second est qu’aucun des descripteurs
conflictuels ne se trouve dans un autre résumé de sorte à ce qu’il ait un pouvoir de
discrimination. Nous avons implémenter cet algorithme sur des données réelles.
Le tableau 6.2, montre une partie du résultat de l’extraction d’un descripteur
prototypique à partir de la description intentionnelle du résumé. Dans ce tableau
nous avons utilisé le résumé racine de la hiérarchie produite par SaintEtiQ
appelé R. Le résultat final de cette extraction est présenté dans le tableau 6.3. Il
s’agit du prototype idéalisé de la racine de la hiérarchie.
6.3.2 Prototype par extension d’un résumé

Dans cette section nous considérons l’extension d’un résumé z, notée R z ,
afin de chercher le n-uplet candidat le plus typique. Le tableau 6.4 montre un
exemple d’extension de résumé, défini comme l’ensemble des n-uplets candidats
ct qui ont participé à la construction d’un résumé. Dans cette seconde méthode
nous considérons le n-uplet avec tous les attributs sur lesquels il est défini, et
Alg. 6.1 – Recherche des descripteurs typiques d’un résumé

Entrée: z : un résumé, P : une partition.
Sortie: une liste de descripteurs.
DEBUT
D : une liste de descripteurs.
Score(d) = 0 : rel
pour tout attribut A ∈ A faire
répéter
D ←<>.
pour tout descripteur d ∈ z.A faire
score(d) = µ(d).supp(d)
/* Calculer le score de chaque descripteur d.*/
si score(d) est maximal alors
D.ajouter(d).
/* Ajouter à la liste les descripteurs ayant la valeur maximale du
score.*/
fin si
fin pour
si |D| = 1 alors
retourner(D).
sinon
ExtractDescriptor(D, P, A, z).
fin si
jusqu’à |D| = 1
fin pour
FIN .
Alg. 6.2 – Fonction d’extraction du descripteur typique

Entrée: D : une liste de descripteurs, P : partition, A : attribut, z : résumé.
Sortie: D : une liste avec un descripteur.
D0 ←<> : une liste vide.
répéter
pour tout z 0 ∈ P, avec z 0 6= z faire
D0 ←0+ z 0 .A.
D ← D − (D ∩ D 0 ).
fin pour
jusqu’à |D| = 1
retourner(D) .
Attribut Descripteurs Descripteur

Prototypique
Qte produit average(1, 38.5) few
few(1, 84.5)
plenty(1, 3)
very few(1, 98)
Nb carte bleu none(1, 187) none
one(1, 37)
Nb compte chèque many(1, 23) one
none(1, 8)
one(1, 193)
Segment comporte- 1(1, 28) 7
mental
2(1, 21)
3(1, 4)
4(1, 4)
5(1, 11)
6(1, 57)
7(1, 99)
Flux créditeur average(1, 34.5) low
high(1, 11.5)
low(1, 114)
null(1, 64)
..... ..
Table 6.2 – Résultat du prototype par intention du résumé racine R
few / Qte produit

None / Nb carte bleu
One / Nb compte chèque
7 / segment comportemental
Low / flux créditeur
Plenty / Nb d’opérations
High /ressources totales
None / Nb retraits espèce
Ancient / Duree relation
Old / Age
Table 6.3 – Prototype idéalisé du résumé racine R

nous comparons ces n-uplets entre eux pour garder à la fin le plus tyipque.
Considérer l’extension d’un résumé z revient à considérer toutes les feuilles
du sous-arbre de ce résumé, vu qu’un résumé feuille est représenté par un seul
descripteur sur chaque attribut. Prenons l’exemple de la figure 5.1 déjà présentée
dans les deux chapitres précédents. Si on cherche à extraire le n-uplet candidat le
plus représentatif de l’extension du résumé z1 , cela revient à trouver la meilleure
feuille de la partition {z11 , z121 , z122 , z13 }.
T-candidat A B C
ct1 ct1 .A ct1 .B ct1 .C
Table 6.4 – Exemple d’extension d’un résumé sur trois attributs A, B et C
Nous proposons de calculer un degré de satisfaction, noté sat(z), qui caracté-

rise le sous-ensemble flou associé à chacune des feuilles. Nous avons besoin d’une
fonction pour montrer le degré de satisfiabilité pour caractériser un résumé dans
l’ensemble des feuilles prises en considération.
sat(z) = |Rz | × minA (supp(z.A))

– |Rz | est le cardinal de l’extension du résumé z, le nombre de n-uplets candidats
ct qu’il contient.
– supp(z.A) est le support du descripteur z.A.
Le nombre de descripteurs k est égal au nombre d’attribut, z.A i représente le
descripteur (un seul) qui décrit Ai dans z.
Definition 6.2 (Prototype par extension d’un résumé.). Soit z ? l’ensemble des
feuilles du résumé z. Le prototype par extension d’un résumé z est la feuille la plus
représentative de ce résumé, on le note :
P r(Rz ) = z 0 /sat z 0 = max(sat zi0 ), 1≤i≤k

avec 0 0
z ∈ z? , z?S= {z1 . . . zk } 0
et Rz = z 0 ∈z? Rz 0
Selon cette définition, la satisfiabilité est maximale pour une feuille quand
cette feuille contient le plus grand nombre de n-uplet candidat max(|ct|), elle est
pondérée par les degrés de satisfaction et par le support des n-uplets candidats
au sein du résumé feuille.
6.3.2.1 Construction du prototype par extension

Sur les même données présentées dans la section 6.3.2, nous avons construit
un prototype par extension tel qu’il a été défini. Nous proposons de montrer
le résultat de cette expérimentation sur le résumé racine. L’intérêt de choisir

la racine est que son extension prend en considération toutes les feuilles de la
hiérarchie. Le résultat obtenu est le résumé feuille (z = R.0.1.1.1.1.0.0.1.1.0.0)
avec un degré sat(z) le plus élevé et dont la description est proposée dans la
troisième colonne du tableau 6.6.
Attribut Descripteur
de z
feuille
Qte produit few
Nb carte bleue none
Nb compte chèque one
Segment comportemental 7
Flux créditeur low
Nb d’opérations average
Ressources totales high
Nb retrait espèces none
Durée relation ancient
Age old
Table 6.5 – Résultat du prototype par extension du résumé racine R
Il est à noter que pour cette expérimentation, nous avons travaillé sur l’ex-
tension du résumé qui contient les n-uplets candidats ct et non pas les n-uplets
originaux t.
Cette seconde méthode est efficace du point de vue de la qualité du prototype
qu’elle fourni puisqu’il s’agit d’une présentation réelle et existante dans les don-
nées résumées contrairement à un résultat issu de la méthode idéalisée qui peut
présenter des enregistrements inexistants.
En revanche, sur l’ensemble des feuilles d’un résumé, la possibilité d’avoir un
degré de sat(z) égal pour un ensemble de résumés feuilles n’est pas nulle. Sur la
hiérarchie utilisée dans les expérimentations nous n’avons pas eu le cas d’avoir
plusieurs feuilles avec la même valeur maximale max (sat(z)). Dans la section
suivante nous proposons une autre méthode de construction de prototype flou en
prenons en considération la faiblesse de la méthode de construction de prototype
par extension du résumé.
6.3.3 Prototype combiné
Nous introduisons ici, la troisième méthode de calcul d’un prototype flou

d’un résumé z. Nous proposons dans cette méthode de trouver parmi les résumés
feuilles correspondants au résumé z, celui qui est le plus proche du prototype
idéalisé. Pour ceci nous définissons une mesure de distance entre les descripteurs
de chaque attribut, cette distance est définie comme suit :

i=1
X
0
D(P rI(z), z ) = |z.Ai ∪ z 0 .Ai |
k
où z 0 est une feuille de z, les descripteurs z.Ai et z 0 .Ai représentent l’attribut

Ai sur z et z 0 respectivement, la différence est égale à 0 quand il s’agit du même
descripteur et à 1 sinon. Cette mesure nous permet d’évaluer à quel point une
feuille est proche du prototype idéalisé. On choisi parmi les résumés feuilles z ?
de z, le résumé z 0 ∈ z ? qui a la valeur minimale de D(P rI(z), z 0 ), puisque nous
supposons que plus la distance diminue plus la similarité entre un résumé z 0 feuille
de z et le prototype idéalisé de z augmente. Le prototype idéalisé est considéré
ici comme un résumé feuille dont un attribut est décrit par un seul descripteur.
Nous définissons alors ci-dessous le prototype final d’un résumé.
Definition 6.3 (Prototype combiné d’un résumé). Le prototype combiné d’un résumé
z est l’une de ses feuilles qui a le plus grand degré de similarité avec le prototype
idéalisé de z. Il est défini comme suit :
∃z 0 ∈ z? où P r(z) = z 0 tel que D(P rI(z), z 0 ) est minimale
où P rI(z) est le prototype idéalisé de z, z? est l’ensemble des feuilles de z.
6.3.3.1 Construction du prototype combiné

Nous reprenons l’exemple du résumé racine des données pris en considération
dans la section 6.3.2, l’objectif est de calculer parmi les résumés feuilles celui
qui la valeur minimale de la distance D(P rI(R), R). Le prototype idéalisé de la
racine est celui qui se trouve dans le tableau 6.3.
L’application de cette mesure nous fournit en résultat le résumé feuille
(z = R.0.1.1.1.1.0.0.1.1.0.0), le même que celui produit par la construction du
prototype par extension. D’ailleurs nous remarquons sur le tableau 6.6 que les
prototypes sont presque identiques, ce résultat a été vérifié pour la totalité des
résumés de la hiérarchie, ceci s’explique par le fait que dans le jeu de données que
nous utilisons la presque totalité des extensions des résumés feuilles contiennent
un seul n-uplet.
Le tableau 6.6, montre une comparaison des résultats de l’application des trois
méthodes proposées à une hiérarchie de données réelles, les descripteurs sont tous
les mêmes sauf un qui décrit l’attribut "Quantité produit". Les trois méthodes
utilisées ont chacune ses avantages et ses inconvénients :
– La première méthode du prototype idéalisé fournit un prototype de qualité
qui peut dessiner une tendance permettant de donner une idée sur l’enregis-
trement qui peut être considéré comme typique pour représenter un résumé.
Cependant cette méthode peut induire l’utilisateur en erreur du moment qu’elle
peut fournir un prototype qui n’est pas cohérent avec les données existantes
dans la base.
132 CHAPITRE 6 — Conclusion
Attribut prototype prototype

idéalisé sur exten- combiné
sion
Qte produit very few few few
Nb carte bleue none none none
Nb compte chèque one one one
Segment comportemental 7 7 7
Flux créditeur low low low
Nb d’opérations average average average
Ressources totales high high high
Nb retrait espèces none none none
Durée relation ancient ancient ancient
Age old old old
Table 6.6 – Comparaison des prototypes du résumé racine R
– La deuxième méthode du prototype par extension produit un résultat qui re-

présente bien des données réelles, elles sont représentatives du résumé. Le point
faible de cette méthode c’est que plusieurs résumés feuilles candidats au pro-
totype peuvent prétendre représenter ce résumé d’une façon prototypique mais
ne respecte pas la condition d’unicité dans ce cas.
– La troisième méthode vient combiner les deux autres. D’abord elle fait une pre-
mière approximation en construisant un prototype idéalisé, ensuite elle cherche
à trouver la feuille ( parmi les résumés feuilles du résumé à représenter) qui
se rapproche le plus de la version idéalisée, cette méthode est donc la plus
complète.
Dans ce chapitre, nous avons introduit trois façons différentes pour construire
des prototypes flous afin de représenter des résumés de bases de données volu-
mineuses. Les trois méthodes proposées on été appliquées à une hiérarchie de
résumés produite par le système SaintEtiQ. Elles consistent à calculer pour
chaque résumé une représentation linguistique dite typique d’un résumé. Nous
pensons que chacune des méthodes peut répondre à un besoin de l’utilisateur,
mais nous considérons que la méthode hybride est la plus convaincante. Il s’agit
dans cette méthode de sélectionner le résumé feuille qui est le plus proche du
prototype idéalisé du résumé courant.
Conclusion
Dans cette partie nous nous sommes intéressés à la hiérarchie produite par
SaintEtiQ, dans le but d’offrir une suite de fonctionnalités orientées utilisateur
sous forme d’un outil d’analyse en ligne, qui permet d’explorer, de naviguer et
de manipuler les résumés de la hiérarchie.
Pour ceci, nous avons présenté une structure multidimensionnelle appelée
partition de résumés qui permet de modéliser les résumés linguistiques, et fournit
à l’utilisateur un support pour la définition d’une algèbre de manipulation des
partitions et des résumés avec un ensemble d’opérations, inspirées des opérateurs
OLAP. Nous avons étudié cette algèbre, opérateur par opérateur, et nous avons
présenté l’interface graphique d’exploration interactive, qui illustre la finalité du
modèle et l’application de quelques opérateurs. Le modèle des partitions des
résumés que nous proposons constitue le cœur de notre proposition pour faire
évoluer le système SaintEtiQ vers une architecture décisionnelle basée sur les
résumés flous. Nous pensons que ce modèle a été indispensable pour le module
de présentation et d’analyse en ligne des résumés générés par SaintEtiQ.
Dans le deuxième chapitre de cette partie nous nous sommes focalisés sur
la définition d’une algèbre de manipulation de ces partitions de résumés. En
respectant une architecture décisionnelle type, nous avons détaillé l’adaptation
des différents opérateurs d’analyse OLAP à notre modèle de partitions de résu-
més. Dans notre algèbre nous avons conservé la totalité des principes de base de
SaintEtiQ, puisque nous agissons sur les résumés une fois générés par le système.
Cette algèbre a repris les trois catégories d’opérateurs de manipulation d’analyse
en ligne. Nous avons adapté les opérateurs de l’algèbre relationnelle, les opéra-
teurs de granularité et les opérateurs de restructuration ayant une sémantique
dans le modèle proposé.
Nous avons constaté que les résumés, présentés dans des partitions correspon-
dant à des coupes de la hiérarchie, contiennent une grande quantité d’information
à exploiter. Dans le troisième chapitre de cette partie, nous avons étudié comment
représenter les résumés par leur forme typique en construisant des prototypes. Les
notions de protoform et de prototype flou on été étudiées, pour les appliquer aux
résumés de SaintEtiQ. La proposition de trois méthodes a été retenue et validée
par des expériences sur des données réelles. Parmi ces trois méthodes, nous avons
constaté que la plus complète est celle qui consiste à représenter un résumé par
l’un de ses résumés feuilles, qui représente les éléments les plus typiques se rap-
prochant d’un prototype dit idéal, lui même calculé pour le résumé à représenter.
133
C HAPITRE 7
Conclusion générale
Bilan
Dans cette thèse nous avons abordé la thématique de l’analyse en ligne de ré-
sumés de bases de données. Ces résumés sont produits par le système SaintEtiQ
proposé par G. Raschia et N. Mouaddib dans [84]. La thématique de l’analyse
en ligne de données a pour sujet les grandes masses de données et pour objet de
répondre aux interrogations des analystes et des décideurs. Elle s’intègre généra-
lement dans les systèmes d’information décisionnels où elle est présentée par les
manipulations proposées par les moteurs OLAP.
La première partie de ce document a été l’occasion de détailler les différentes
méthodes qui se sont intéressées aux données traitées sous leur forme résumée
ou agrégée. Nous avons tout d’abord étudié les systèmes décisionnels qui sont
considérés comme les plus répandus pour le traitement de grandes masses de
données à des fins analytiques. Notre intérêt s’est porté sur la grande capacité des
opérateurs algébriques pour la manipulation des cubes de données traditionnels
dont le but est de naviguer et d’explorer dans ces cubes. Nous avons souligné
les avantages de ces systèmes OLAP, et notamment leur capacité exploratoire et
analytique des données agrégées. Ensuite, nous avons fait un tour d’horizon des
autres approches de compression sémantique des données. Parmi ces méthodes
nous avons présenté plus en détail le système SaintEtiQ, plate-forme de résumé
de grands volumes de données relationnelles. Ainsi, nous avons pu positionner le
système SaintEtiQ et faire un rapprochement entre SaintEtiQ et un système
décisionnel.
Dans la deuxième partie de ce document, nous nous sommes inspirés de la
méthodologie d’analyse en ligne utilisée dans les systèmes décisionnels afin de
l’adapter aux résumés linguistiques flous du système SaintEtiQ. Ces résumés
de données sont représentés par une collection d’étiquettes linguistiques et chaque
résumé fournit une représentation concise, par le biais d’un sous-ensemble flou de
descripteurs sur chaque attribut, d’un ensemble de n-uplets de la base de données
résumée. Nous avons constaté que la hiérarchie fournie par SaintEtiQ contient
un grand nombre de résumés. Partis de ce constat, nous avons trouvé intéressant
d’avoir une structure qui facilitera la navigation, l’exploration et la visualisation
des résumés générés par SaintEtiQ. D’où l’idée de proposer un modèle multidi-
mensionnel d’analyse en ligne des résumés linguistiques de données.
Cette proposition consiste à définir un cadre général pour l’exploration de
135
136 CHAPITRE 7 — Conclusion générale
résumés de bases de données de taille significative.

En premier lieu nous avons défini un modèle de données logique appelé parti-
tion de résumés, par analogie avec les cubes de données OLAP, dans le but d’offrir
à l’utilisateur final un outil de présentation des données sous forme condensée et
adaptée à l’analyse. Dans l’espace des partitions de résumés, les relations entre
les différentes partitions sont établies sur base du procédé de construction de
résumés multi-niveaux développé dans SaintEtiQ.
Nous avons défini une collection d’opérateurs algébriques sur l’espace mul-
tidimensionnel de partitions de résumés [75, 76]. Ces opérateurs sont à la base
d’une algèbre de manipulation des résumés. Cette algèbre prend en compte les
spécificités du modèle de résumé que nous traitons et permet d’explorer succinc-
tement le contenu de la base de données sans y accéder. Nous avons adapté la
majorité des opérateurs d’analyse proposés dans les systèmes OLAP. Ainsi, nous
avons identifié pour cette algèbre trois catégories d’opérateurs : les opérateurs
de base (restriction, projection, union, . . . ) issus de l’algèbre relationnelle, les
opérateurs de changement de granularité (roll-up et le drill-down) et les opé-
rateurs de restructuration (rotation, permutation, . . . ). Ces résultats offrent de
nouvelles perspectives pour l’exploitation effective des résumés dans un système
décisionnel.
Pour compléter ce travail, nous nous sommes intéressés à la représentation
des résumés et des partitions de résumés produits par SaintEtiQ, notamment
pour en fournir une présentation claire et concise à l’utilisateur final. En effet, ces
structures de données complexes, bien que définies à partir d’un langage contrôlé
avec lequel l’utilisateur est familier, sont encore trop riches pour être interprétées
correctement par des non spécialistes. Nous avons donc introduit une approche
fondée sur les prototypes flous pour représenter des résumés de bases de données
volumineuses. Appliquée à une hiérarchie de résumés produite par le système
SaintEtiQ, l’approche tente d’extraire des prototypes selon trois orientations
distinctes. La première proposition consiste à calculer pour chaque résumé une
représentation linguistique dite « idéale » en identifiant le meilleur descripteur du
résumé sur chacun de ses attributs. La seconde proposition vise à fournir comme
prototype le résumé le plus précis situé dans le sous-arbre du résumé courant
et qui traduit le plus fidèlement la représentation calculée précédemment. La
troisième méthode consiste à trouver la feuille qui soit la plus proche dans sa
description intentionnelle du prototype idéalisé. Le résultat de cette approche a
été publié dans [74].
Cette thèse a été pour nous l’occasion d’étudier et d’adapter les techniques
d’analyse en ligne de données et celles de construction de prototypes flous dans
le cadre des résumés linguistiques. L’utilisation des techniques floues dans le sys-
tème SaintEtiQ pour résumer des données permet de présenter les résumés selon
des caractérisations linguistiques proches du langage naturel, ce qui permet une
certaine flexibilité dans l’exploration de la hiérarchie, ainsi qu’une nuance dans
les jugements et les décisions. Dans le dernier chapitre concernant la construc-
tion de prototypes flous pour représenter des résumés, nous avons adopté une
CHAPITRE 7 — BIBLIOGRAPHIE 137
démarche qui tire profit des travaux réalisés en sciences cognitives sur le proces-
sus humain de catégorisation. Ainsi les prototypes calculés tendent à reproduire
les mécanismes de synthèse en fonction chez l’homme.
Evolutions et perspectives
En guise d’extension de nos travaux de recherche, nous avons envisagé à
différentes possibilités à explorer :
– La première évolution de nos travaux concerne l’aspect applicatif de la propo-
sition détaillée dans cette thèse. En effet, ce travail a été proposé dans le cadre
de manipulation de grands volumes de données. Il manque donc la validation
du modèle et de l’algèbre proposée dans ce travail sur des bases de données
réelles et massives.
– La deuxième perspective serait d’appliquer notre modèle aux résumés multimé-
dias. Le terme multimédia désigne des données aussi diverses que des images,
des sons ou des vidéos. Ces dernières années, un certain nombre de systèmes de
recherche d’information multimédia et de systèmes de gestion de bases de don-
nées multimédia ont été développés afin d’aider l’usager à retrouver des docu-
ments correspondant à un besoin spécifique, parmi de très grandes collections.
Pour ceci SaintEtiQ a déjà été utilisé sur des bases d’images dans [92, 64, 91].
Il apparaît donc intéressant de valider notre modèle sur des résumés d’images.
– Par ailleurs, le travail présenté dans le chapitre 6 montre que l’utilisation des
protoforms pour la représentation des résumés, mérite d’être étendue. Il serait
notamment très intéressant de travailler sur les possibilités de caractériser les
résumés en apportant à l’utilisateur une information complémentaire à celle des
prototypes flous. Cette caractérisation pourrait permettre d’évaluer un résumé
en calculant des cœfficients à partir de ses propriétés afin de l’identifier par
exemple comme majoritaire, discriminant ou exceptionnel.
Bibliographie
[1] A. Abello, J. Samos et F. Saltor. Implementing operations to navigate
semantic star schemas. In DOLAP ’03: Proceedings of the 6th ACM interna-
tional workshop on Data warehousing and OLAP, pages 56–62, New York, NY,
USA, . ACM Press.
[2] R. Agrawal, A. Gupta et S. Sarawagi. Modeling multidimensional data-
bases. in Proc. of ICDE, pages 232–243, April .
[3] R. Agrawal, T. Imielinski et A. N. Swami. Mining association rules between
sets of items in large databases. In Peter Buneman et Sushil Jajodia, réds.,
Proceedings of the 1993 ACM SIGMOD International Conference on Manage-
ment of Data, pages 207–216, Washington, D.C., .
[4] R. Agrawal et R. Srikant. A possibilistic approach to clusterin. In J.M.
Krishnapuram, R.; Keller, réd., Fuzzy Systems, IEEE Transactions on
Volume 1, pages 98 – 110. Morgan Kaufmann, .
[5] R. Agrawal et R. Srikant. Fast algorithms for mining association rules.
In Jorge B. Bocca, Matthias Jarke et Carlo Zaniolo, réds., Proc. 20th
Int. Conf. Very Large Data Bases, VLDB, pages 487–499. Morgan Kaufmann,
.
[6] S. Babu, G. Minos et R. Rajeev. SPARTAN: A model-based semantic com-
pression system for massive data tables. In Proc. of the 2001 ACM Intl. Conf.
on Management of Data (SIGMOD 2001), pages 283–295, May .
[7] E. Baralis, S. Paraboschi et E. Teniente. Materialized views selection in
a multidimensional database. In The VLDB Journal, pages 156–165, .
[8] J. C. Bezdek. Pattern Recognition with Fuzzy Objective Function Algorithms.
Kluwer Academic Publishers, Norwell, MA, USA, .
[9] I. Blanco, D. Sánchez, J. M. Serrano et M. A. V. Miranda. A new
proposal of aggregation functions: The linguistic summary. In IFSA, pages
127–134, .
[10] M. Blaschka, C. Sapia, G. Höflng et B. Dinter. Finding your way through
multidimensional data models. In DEXA ’98: Proceedings of the 9th Inter-
national Workshop on Database and Expert Systems Applications, page 198,
Washington, DC, USA, . IEEE Computer Society.
[11] P. Bosc, D. Dubois et H. Prade. Fuzzy functional dependencies and redun-
dancy elimination. JASIS, 49(3):217–235, .
[12] P. Bosc, O. Pivert et L. Ughetto. On data summaries based on gradual
rules. In Fuzzy Days, pages 512–521, .
139
140 BIBLIOGRAPHIE
[13] B. Bouchon-Meunier, M. Rifqi et S. Bothorel. Towards general measures

of comparison of objects. pages 143–153, .
[14] J. F. Boulicaut, P. Marcel et C. Rigotti. Query driven knowledge disco-
very in multidimensional data. In DOLAP, pages 87–93, .
[15] A. W. Bragg. Data manipulation languages for statistical databases - the
statistical analysis system (SAS). In Harry K. T. Wong, réd., Proceedings
of the First LBL Workshop on Statistical Database Management, Melno Park,
California, USA, December 2-4, 1981, pages 147–150. Lawrence Berkeley La-
boratory, .
[16] L. Cabibbo et R. Torlone. Querying multidimensional databases. In DBLP-
6: Proceedings of the 6th International Workshop on Database Programming
Languages, pages 319–335, London, UK, . Springer-Verlag.
[17] Y. W. Choong, D. Laurent et P. Marcel. Computing appropriate repre-
sentations for multidimensional data. In DOLAP, .
[18] Claude Chrisment, Geneviève Pujolle, Franck Ravat, Olivier Teste et
Gilles Zurfluh. Les entrepôts de données. In Gilles Zurfluh, réd., Traité
Informatique des Techniques de l’Ingénieur - H3870, page 10. Techniques de
l’Ingénieur, février .
[19] E. F. Codd. Providing OLAP (On-Line Analytical Processing) to user-
analysts: An IT mandate. In Technical Reports. IBM, .
[20] J. C. Cubero, J. M. Medina, O. Pons et M. A. V. Miranda. Data summa-
rization in relational databases through fuzzy dependencies. Inf. Sci., 121(3-
4):233–270, .
[21] J. C. Cubero et M. A. Vila. A new definition of fuzzy functional dependency
in fuzzy relational databases. International Journal of Intelligent Systems,
9(5):pp:441–448, .
[22] A. Datta et H. Thomas. The cube data model: a conceptual model and
algebra for on-line analytical processing in data warehouses, .
[23] M. Delgado, C. Molina, D. Sánchez, L. R. Ariza et M. A. V. Miranda.
A flexible approach to the multidimensional model: The fuzzy datacube. In
CAEPIA, pages 26–36, .
[24] E. Diday. Une nouvelle méthode en classification automatique et reconnais-
sance des formes : la méthode des nuées dynamiques. In Rev. Statist. Appl,
19:19–33, .
[25] E. Forgy. Cluster analysis of multivariate data: Efficiency vs. interpretability
of classifications. Biometrics, 21(3):768, .
[26] J. M. Franco. Le Data Warehouse. Eyrelles, .
[27] O. François et P. Leray. Etude comparative d’algorithmes d’apprentissage
de structure dans les réseaux bayésiens. Journal électronique d’intelligence
artificielle, 5(39):1–19, .
BIBLIOGRAPHIE 141
[28] H. Frigui et O. Nasraoui. Unsupervised learning of prototypes and attribute

weights. Pattern Recognition, 37(3):567–581, .
[29] S. P. Ghosh. Panel discussion - statistical relational model. In SSDBM, pages
373–387, .
[30] A. Giacometti, D. Laurent, P. Marcel et H. Mouloudi. A new way of
optimizing OLAP queries. In In Actes des 20ièmes journées Bases de Données
Avancées., pages 109–128, Lyon, France, October .
[31] J. F. Goglin. La construction du data warehouse, du data mart au dataweb.
Nouvelles Technologies Informatiques, HERMES, .
[32] J. Gray, S. Chaudhuri, A. Bosworth, A. Layman, D. Reichart, M. Ven-
katrao, F. Pellow et H. Pirahesh. Data cube: A relational aggregation
operator generalizing group-by, cross-tab, and sub-totals. Data Min. Knowl.
Discov., 1(1):29–53, .
[33] A. Gupta, I. S. Mumick et K. A. Ross. Adapting materialized views after
redefinitions. In Michael J. Carey et Donovan A. Schneider, réds., Procee-
dings of the 1995 ACM SIGMOD International Conference on Management
of Data, San Jose, California, May 22-25, 1995, pages 211–222. ACM Press,
.
[34] M. Gyssens et L. V. S. Lakshmanan. A foundation for multi-dimensional
databases. In VLDB ’97: Proceedings of the 23rd International Conference on
Very Large Data Bases, pages 106–115, San Francisco, CA, USA, . Morgan
Kaufmann Publishers Inc.
[35] M. S. Hacid, P. Marcel et C. Rigotti. A rule-based CQL for 2-dimensional
tables. In CDB, pages 92–104, .
[36] J. Han, Y. Cai et N. Cercone. Knowledge discovery in databases: An
attribute-oriented approach. In Li-Yan Yuan, réd., Proceedings of the 18th
International Conference on Very Large Databases, pages 547–559, San Fran-
cisco, U.S.A., . Morgan Kaufmann Publishers.
[37] J. Han, Y. Fu, Y. Huang, Y. Cai et N. Cercone. DBLearn: a system
prototype for knowledge discovery in relational databases. In SIGMOD ’94:
Proceedings of the 1994 ACM SIGMOD international conference on Manage-
ment of data, page 516, New York, NY, USA, . ACM Press.
[38] J. Han, Y. Fu, W. Wang, J. Chiang, W. Gong, K. Koperski, D. Li, Y. Lu,
A. Rajan, N. Stefanovic, B. Xia et O. R. Zaiane. DBMiner: A system for
mining knowledge in large relational databases. In Proc. 1996 Int’l Conf. on
Data Mining and Knowledge Discovery (KDD’96), pages 250–255, Portland,
Oregon, .
[39] J. Han, J. Wang, G. Dong, J. Pei et K. Wang. CubeExplorer: online explo-
ration of data cubes. In SIGMOD02: Proceedings of the 2002 ACM SIGMOD
International Conference on Management of Data, pages 626–626, New York,
NY, USA, . ACM Press.
142 BIBLIOGRAPHIE
[40] V. Harinarayan, A. Rajaraman et J. D. Ullman. Implementing data

cubes efficiently. In SIGMOD ’96: Proceedings of the 1996 ACM SIGMOD
International Conference on Management of Data, pages 205–216, New York,
NY, USA, . ACM Press.
[41] D. A. Huffman. A method for the construction of minimum-redundancy
codes. PIRE, 40(9):1098–1101, September .
[42] W. H. Inmon. Building the Data Warehouse. John Wiley & Sons, Inc., New
York, NY, USA, .
[43] H. V. Jagadish, L. V. S. Lakshmanan et D. Srivastava. What can hie-
rarchies do for data warehouses? In Malcolm P. Atkinson, Maria E. Or-
lowska, Patrick Valduriez, Stanley B. Zdonik et Michael L. Brodie, réds.,
VLDB’99, Proceedings of 25th International Conference on Very Large Data
Bases, September 7-10, 1999, Edinburgh, Scotland, UK, pages 530–541. Morgan
Kaufmann, .
[44] H. V. Jagadish, J. Madar et R. T. Ng. Semantic compression and pattern
extraction with fascicles. In Proc. of 25th Intl. Conf. on Very Large Data Bases
(VLDB99), pages 186–198, .
[45] H. V. Jagadish, R. T. Ng, B. C. Ooi et A. K. H. Tung. Itcompress: An itera-
tive semantic compression algorithm. In 20th Intl. Conf. on Data Engineering,
page 646, .
[46] J. Kacprzyk et S. Zadronzny. On interactive linguistic summarization of
databases via a fuzzy-logic-based querying add-on to microsoft access. In Fuzzy
Days, pages 462–472, .
[47] J. Kacprzyk et S. Zadrozny. Protoforms of linguistic data summaries:
Towards more general natural-language-based data mining tools. In HIS, pages
417–425, .
[48] J. Kacprzyk et S. Zadrozny. Linguistic database summaries and their pro-
toforms: towards natural language based knowledge discovery tools. Inf. Sci.,
173(4):281–304, .
[49] A. Kaufmann. Introduction à la théorie des sous-ensembles flous : Applica-
tions à la classification et à la reconnaissance des formes, aux automates et
aux systèmes, aux choix des critères., volume 3. Masson, .
[50] F. Khalfallah et K. Mellouli, réds. Apprentissage de la structure d’un
réseau bayésien à partir d’une base de données, volume 18(2) pp.195-228 of
RSTI, Revue d’intelligence artificielle, Serie RIA. Hermès, .
[51] R. Kimball. The data warehouse toolkit: practical techniques for building
dimensional data warehouses. John Wiley & Sons, Inc., New York, NY, USA,
.
[52] L. V. S. Lakshmanan, J. Pei et J. Han. Quotient cube: How to summarize
the semantics of a data cube. In VLDB, pages 778–789, .
BIBLIOGRAPHIE 143
[53] L. V. S. Lakshmanan, J. Pei et Y. Zhao. QC-trees: an efficient summary

structure for semantic OLAP. In Proceedings of the 2003 ACM SIGMOD
international conference on Management of data, pages 64–75. ACM Press,
.
[54] L. V. S. Lakshmanan, J. Pei et Y. Zhao. SOCQET: semantic OLAP with
compressed cube and summarization. In SIGMOD ’03: Proceedings of the 2003
ACM SIGMOD international conference on Management of data, pages 658–
658, New York, NY, USA, . ACM Press.
[55] A. Laurent. Bases de données multidimensionnelles floues et leur utilisation
pour la fouille de données. Thèse de Doctorat, Université de Paris6, dec .
[56] A. Laurent. Querying fuzzy multidimensional databases: unary opera-
tors and their properties. Int. J. Uncertain. Fuzziness Knowl.-Based Syst.,
11(Supplement):31–45, .
[57] O. Lebeltel, P. Bessière, J. Diard et E. Mazer. Programmation bayé-
sienne des robots. Revue d’Intelligence Artificielle, 18(2):261–298, .
[58] H. J. Lenz et A. Shoshani. Summarizability in OLAP and statistical data
bases. In SSDBM ’97: Proc. of the 9th Intl. Conf. on Scientific and Statistical
Database Management, pages 132–143. IEEE Computer Society, .
[59] P. Leray et O. Francois. Réseaux bayésiens pour la classification – métho-
dologie et illustration dans le cadre du diagnostic médical. Revue d’Intelligence
Artificielle, 18/2004:169–193, .
[60] M.-J. Lesot. Similarity, typicality and fuzzy prototypes for numerical data.
In In 6th European Congress on Systems Science, Workshop "Similarity and
resemblance", .
[61] M.-J. Lesot, L. Mouillet et B. Bouchon-Meunier. Fuzzy prototypes
based on typicality degrees. In Fuzzy Days04, .
[62] M. Levene et G. Loizou. Why is the snowflake schema a good data warehouse
design? Inf. Syst., 28(3):225–240, .
[63] C. Li et X. S. Wang. A data model for supporting on-line analytical processing.
In CIKM, pages 81–88, .
[64] E. Loisant, R. Saint-Paul, J. Martinez, G. Raschia et N. Mouaddib.
Browsing clusters of similar images. In Actes des 19e Journées Bases de Don-
néees Avancéees (BDA’2003), pages 109–128, Lyon, France, October .
[65] J. Macqueen. Some methods for classification and analysis of multivariate
observations. Proceedings of the 5th Berkeley Symposium on Mathematical
Statistics and Probability, Vol. 1 pp. 281-297, .
[66] A. S. Maniatis, P. Vassiliadis, S. Skiadopoulos et Y. Vassiliou. Advan-
ced visualization for olap. In DOLAP ’03: Proceedings of the 6th ACM inter-
national workshop on Data warehousing and OLAP, pages 9–16, New York,
NY, USA, . ACM Press.
144 BIBLIOGRAPHIE
[67] P. Marcel. Manipulation des données multidimensionnelles. Thèse de Doc-

torat, Université de Lyon, dec .
[68] P. Marcel. Modeling and querying multidimensional databases: An overview,
.
[69] R. Ben Messaoud, K. Aouiche et C. Favre. Une approche de construction
d’espaces de représentation multidimensionnels dédiés à la visualisation. In
1ère journée sur les Entrepôts de Données et l’Analyse en Ligne (EDA 05),
Lyon, volume B-1 of Revue des Nouvelles Technologies de l’Information, pages
34–50, Toulouse, Juin . Cépaduès Editions.
[70] R. Ben Messaoud, O. Boussaid et S. Loudcher Rabaséda. Using a fac-
torial approach for efficient representation of relevant OLAP facts. In Proc.
of the Seventh International Baltic Conference on Databases and Information
Systems (DB&IS 2006), July .
[71] Josiane Mothe, Claude Chrisment et Joel Alaux. Visualisation globale
de collections de documents sous forme d’hypercube - Le système DocCube
. In Journées francophones d’Extraction et de Gestion des Connaissances,
EGC2002 , Montpellier, France, 21/01/02-23/01/02, pages 131–142. Hermès,
janvier .
[72] Josiane Mothe, Claude Chrisment, Taoufiq Dkaki, Bernard Dousset et
Said Karouach. Combining mining and visualization tools to discover the
geographic structure of a domain. Computers, Environment and Urban Sys-
tems, Geographic Information Retrieval, Hors-série(4):460–484, juillet .
[73] Josiane Mothe, Claude Chrisment, Bernard Dousset et Joel Alaux. Doc-
Cube: Multi-Dimensional Visualisation and Exploration of Large Document
Sets . Journal of the American Society for Information Science and Techno-
logy, JASIST, Special topic section: web retrieval and mining, 7(54):650–659,
mars .
[74] L. Naoum. Représentation de résumés de base de données par prototypes flous.
In à paraître, 12th LFA Conference (LFA 2006), Toulouse, France, Octobre
.
[75] L. Naoum, G. Raschia et N. Maouddib. Towards on-line analytical proces-
sing for database summaries: The core algebra. In IEEE International Confe-
rence on Fuzzy Systems (FUZZ-IEEE), volume 1, pages 3625–3632, Vancouver,
Canada, July .
[76] L. Naoum, G. Raschia et N. Mouaddib. Querying fuzzy summaries of
databases: Unary operators and their properties. In Proceedings of the Joint
4th EUSFLAT & 11th LFA Conference (EUSFLAT-LFA’2005), pages 1194–
1200, Barcelona, Spain, September .
[77] J. A. Olivas et F. P. Romero. FPKD: Fuzzy prototypical knowledge disco-
very. application to forest fire prediction. In Proceedings of the SEKE’2000,
Knowledge Systems Institute, .
BIBLIOGRAPHIE 145
[78] T. B. Pedersen et C. S. Jensen. Multidimensional data modeling for complex

data. In ICDE ’99: Proceedings of the 15th International Conference on Data
Engineering, pages 336–346, Washington, DC, USA, . IEEE Computer
Society.
[79] T. B. Pedersen, C. S. Jensen et C. E. Dyreson. Supporting imprecision
in multidimensional databases using granularities. In Statistical and Scientific
Database Management, pages 90–101, .
[80] E. Pourabbas et M. Rafanelli. Hierarchies and relative operators in the
OLAP environment. SIGMOD Rec., 29(1):32–37, .
[81] H. Prade et C. Testemale. Generalizing database relational algebra for the
treatment of incomplete/uncertain information and vague queries. Inf. Sci.,
34(2):115–143, .
[82] K. V. S. V. N. Raju et A. K. Majumdar. Fuzzy functional dependencies and
lossless join decomposition of fuzzy relational database systems. ACM Trans.
Database Syst., 13(2):129–166, .
[83] G. Raschia. SAINTETIQ: une approche floue pour la génération de résumés
à partir de bases de données relationnelles. Thèse de Doctorat, Université de
Nantes.
[84] G. Raschia et N. Mouaddib. A fuzzy set-based approach to database sum-
marization. Int. Journal of Fuzzy Sets and Systems, 129(2):137–162, July .
[85] D. Rasmussen et R. R. Yager. Summary SQL - a Fuzzy Tool For Data
Mining. Intell. Data Anal., 1(1-4):49–58, .
[86] F. Ravat, O. Teste et G. Zurfluh. Manipulation et fusion de données
multidimensionnelles. In RNTI-E-3 Revue des Nouvelles Technologies de l’In-
formation, réd., Extraction et Gestion des Connaissances (EGC’2005) Vol.
I, pages 349–354, Paris, France, Janvier . Cépadues (ed.).
[87] M. Rifqi. Constructing prototypes from large databases. In IPMUInforma-
tion Processing and Management of Uncertainty in Knowledge-Based Systems,
pages 301–306, .
[88] E. Rosch. Principles of categorization. In In E. Rosch and B. Lloyd, editors,
Cognition and categorization, pages 27–48. Lawrence Erlbaum associates, .
[89] E. H. Ruspini. A new approach to clustering. 15(1):22–32, juillet .
[90] R. Saint-Paul. Une architecture pour le résumé en ligne de données relation-
nelles et ses applications. Thèse de Doctorat, Université de Nantes.
[91] R. Saint-Paul, G. Raschia et N. Maouddib. Prototyping and browsing
image databases using linguistic summaries. In IEEE International Conference
on Fuzzy Systems (FUZZ-IEEE), volume 1, pages 476–481, Honolulu, Hawaii
(USA), May . IEEE Press.
[92] R. Saint-Paul, G. Raschia et N. Mouaddib. Image database summariza-
tion with the saintetiq system. In Proc. of the 9th Int. Conf. on Information
146 BIBLIOGRAPHIE
Processing and Management of Uncertainty in Knowledge-Based Systems (IP-

MU’2002), pages 1179–1186, Annecy, France, July .
[93] R. Saint-Paul, G. Raschia et N. Mouaddib. Résumé de bases de données :
application au domaine bancaire. Technique et Science Informatiques (TSI),
22:1353–1379, .
[94] A. Shoshani. OLAP and statistical databases: similarities and differences.
In PODS ’97: Proceedings of the sixteenth ACM SIGACT-SIGMOD-SIGART
symposium on Principles of database systems, pages 185–196, New York, NY,
USA, . ACM Press.
[95] O. Teste. Modélisation et manipulation d’entrepôts de données complexes et
historisées. Thèse de Doctorat, Univeristé Paul Sabatier de Toulouse.
[96] J. D. Ullman. Efficient implementation of data cubes via materialized views.
In KDD, pages 386–388, .
[97] A. A. Vaisman et A. O. Mendelzon. A temporal query language for olap:
Implementation and a case study. In DBPL ’01: Revised Papers from the 8th
International Workshop on Database Programming Languages, pages 78–96,
London, UK, . Springer-Verlag.
[98] P. Vassiliadis. Modeling multidimensional databases, cubes and cube ope-
rations. In SSDBM ’98: Proceedings of the 10th International Conference on
Scientific and Statistical Database Management, pages 53–62, Washington, DC,
USA, . IEEE Computer Society.
[99] P. Vassiliadis et T. Sellis. A survey of logical models for olap databases.
SIGMOD Rec., 28(4):64–69, .
[100] J. Widom. Research problems in data warehousing. In CIKM ’95, Proceedings
of the 1995 International Conference on Information and Knowledge Manage-
ment, November 28 - December 2, 1995, Baltimore, Maryland, USA, pages
25–30. ACM, .
[101] www.decisionnel.net.
[102] R. R. Yager. Aggregation operators and fuzzy systems modeling. Fuzzy Sets
Syst., 67(2):129–145, .
[103] R. R. Yager et T. C. Rubinson. Linguistic summaries of databases. In Proc.
Decision and Control, pages 1094–1097, San Diego, USA, . IEEE Decision
and Control.
[104] L. Zadeh.. A note on prototype set theory and fuzzy sets. In Cognition 12,
pages 291–297, .
[105] L. A. Zadeh. Fuzzy sets. Information and Control, 8(3):338–353, .
[106] L. A. Zadeh. A prototype-centered approach to adding deduction capability
to search engines – the concept of protoform. BISC Seminar, 2002, University
of California, Berkley, .
BIBLIOGRAPHIE 147
[107] S. Zadrozny et J. Kacprzyk. FQUERY for access: towards human consistent

querying user interface. In SAC ’96: Proceedings of the 1996 ACM symposium
on Applied Computing, pages 532–536, New York, NY, USA, . ACM Press.
[108] S. Zadrozny, J. Kacprzyk et M. Gola. Towards human friendly data
mining: Linguistic data summaries and their protoforms. In ICANN (2), pages
697–702, .
[109] J. Ziv et A. Lempel. A universal algorithm for sequential data compression.
IEEE Transactions on Information Theory, 23(3):337–343, .
Liste des tableaux
Partie I — État de l’art

2.1 Comparaison des processus OLTP et OLAP . . . . . . . . . . . . . . 16
2.2 La relation ventes 2004 . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.3 Exemple d’une représentation sous forme de table croisée . . . . . . . 28
Partie II — Vers un processus d’analyse en ligne de résumés flous

4.1 Extrait de la table réécrite PERSONNAGES-SIMPSONS . . . . . . . 71
4.1 Calcul des coupes d’une hiérarchie . . . . . . . . . . . . . . . . . . . 79
4.2 Comparaison entre une partition de résumés et un cube de données. 81
5.1 Présentation de la partition P3 . . . . . . . . . . . . . . . . . . . . . 90

5.2 Fusion sur la partition de résumés P3 . . . . . . . . . . . . . . . . . . 95
5.3 Résumés représentés sur les attributs A, B et C . . . . . . . . . . . . 96
5.4 Présentation tabulaire d’une partition de résumés . . . . . . . . . . . 102
5.5 Présentation multidimensionnelle de la partition de résumés P 3 . . . 103
5.6 Permutation sur les positions des descripteurs pour l’attribut ACTI-
VITE dans P3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
5.7 Tri de P3 selon αagent de sécurité . . . . . . . . . . . . . . . . . . . . . . 106
5.8 Tableau récapitulatif des opérations définies dans l’algèbre de mani-
pulation des partitions de résumés . . . . . . . . . . . . . . . . . . . 107
6.1 Comparaison des deux prototypes du résumé racine R . . . . . . . . 126

6.1 Recherche des descripteurs typiques d’un résumé . . . . . . . . . . . 127
6.2 Fonction d’extraction du descripteur typique . . . . . . . . . . . . . . 127
6.2 Résultat du prototype par intention du résumé racine R . . . . . . . 128
6.3 Prototype idéalisé du résumé racine R . . . . . . . . . . . . . . . . . 128
6.4 Exemple d’extension d’un résumé sur trois attributs A, B et C . . . 129
6.5 Résultat du prototype par extension du résumé racine R . . . . . . . 130
6.6 Comparaison des prototypes du résumé racine R . . . . . . . . . . . 132
149
Table des figures

2.1 Architecture d’un système décisionnel (tiré de [101]) . . . . . . . . . 11
2.2 Exemple de cube de données . . . . . . . . . . . . . . . . . . . . . . 19
2.3 Exemple d’une modélisation en étoile (tiré de [95]) . . . . . . . . . . 21
2.4 Exemple d’une modélisation en flocon (tiré de [95]) . . . . . . . . . . 21
2.5 Exemple d’une modélisation en constellation (tiré de [95]) . . . . . . 22
2.6 Exemple d’une représentation sous forme de barres . . . . . . . . . . 29
2.7 Exemple d’une représentation sous forme de cube (tiré de [68]) . . . 29
2.8 Exemple d’un opérateur Slice tiré de [95] . . . . . . . . . . . . . . . . 32
2.9 Exemple d’un opérateur Dice tiré de [95] . . . . . . . . . . . . . . . 33
2.10 Exemple d’une opération de Roll-up (tiré de [67]) . . . . . . . . . . 34
3.1 Typologie des approches de compression sémantique de données . . . 39

3.2 Compression de tables par ItCompress . . . . . . . . . . . . . . . . . 46
3.3 Variable linguistique définie sur le domaine de l’attribut REVENU . 54
3.4 Architecture du Système SaintEtiQ . . . . . . . . . . . . . . . . . . 55
3.5 Opérateur de fusion . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.6 Opérateur d’éclatement . . . . . . . . . . . . . . . . . . . . . . . . . 57

4.1 Vers une architecture décisionnelle de SaintEtiQ . . . . . . . . . . . 68
4.2 Généralisation entre les résumés . . . . . . . . . . . . . . . . . . . . . 72
4.3 Organisation hiérarchique des résumés SaintEtiQ . . . . . . . . . . 73
4.4 Les premiers niveaux d’une hiérarchie résultante de SaintEtiQ . . . 74
4.5 Exemple de coupes sur une hiérarchie . . . . . . . . . . . . . . . . . . 78
4.6 Hiérarchie d’un résumé résultat . . . . . . . . . . . . . . . . . . . . . 80
4.7 Graphe des partitions . . . . . . . . . . . . . . . . . . . . . . . . . . 84
5.1 Hiérarchie de résumés . . . . . . . . . . . . . . . . . . . . . . . . . . 91

5.2 Exemple de document résumé . . . . . . . . . . . . . . . . . . . . . . 111
5.3 Fenêtre d’accueil de l’interface graphique . . . . . . . . . . . . . . . . 112
5.4 Fenêtre d’affichage d’une partition de résumés . . . . . . . . . . . . . 113
5.5 Informations sur le résumé et sur les attributs . . . . . . . . . . . . . 114
5.6 Application du zoom-in sur le résumé R.1 . . . . . . . . . . . . . . . 114
5.7 Résultat du zoom-in sur le résumé R.1 . . . . . . . . . . . . . . . . . 115
151
152 TABLE DES FIGURES
5.8 Fenêtre de définition des critères de sélection . . . . . . . . . . . . . 115
C.1 Représentation du sous-ensemble flou Jeune . . . . . . . . . . . . . . 172

C.2 α − coupe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
Table des exemples
2.1 Exemple d’un cube de données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.2 Réécriture . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.3 Intention et extension . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4.4 Organisation hiérarchique des résumés de SaintEtiQ. . . . . . . . . . . . . . . . . . . . .72
4.5 Relation d’ordre partiel sur les résumés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4.6 Hiérarchie faiblement orthogonale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
4.7 Une coupe de la hiérarchie. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .78
4.8 Les coupes d’une hiérarchie de résumés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
4.9 Relation de généralisation entre les partitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
4.10 Graphe des partitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
4.11 Espace de partitions ordonné . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
5.12 Dice sur la représentativité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
5.13 Dice sur la granularité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
5.14 Slice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
5.15 Expression d’une requête de sélection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
5.16 Fusion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .95
5.17 Projection conflictuelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
5.18 Opération de jointure de deux partitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
5.19 L’opérateur roll-up . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
5.20 L’opérateur drill-down . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
5.21 Présentation tabulaire d’une partition de résumés . . . . . . . . . . . . . . . . . . . . . . . 102
5.22 Rotation sur une partition de résumés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
5.23 Opération de permutation (switch) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
5.24 L’opération de tri (Sort) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
153
Table des matières
1 Introduction générale 1
Introduction 7
2 Les systèmes d’information décisionnels 9

2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.1.1 Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.1.2 Objectifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2 Architecture d’un système décisionnel . . . . . . . . . . . . . . . . . 11
2.2.1 Sources de données . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2.2 Entrepôts et magasins de données . . . . . . . . . . . . . . . 12
2.2.3 Serveurs OLAP . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2.4 Les outils d’analyse . . . . . . . . . . . . . . . . . . . . . . . 16
2.3 Modélisation multidimensionnelle . . . . . . . . . . . . . . . . . . . . 17
2.3.1 Modélisation conceptuelle . . . . . . . . . . . . . . . . . . . . 18
2.3.2 Modélisation physique . . . . . . . . . . . . . . . . . . . . . . 19
2.3.3 Modélisation logique . . . . . . . . . . . . . . . . . . . . . . . 20
2.4 Exploitation des données multidimensionnelles . . . . . . . . . . . . . 25
2.4.1 Restitution des données multidimensionnelles . . . . . . . . . 25
2.4.2 Visualisation des données multidimensionnelles . . . . . . . . 27
2.4.3 Manipulation des données multidimensionnelles . . . . . . . . 31
2.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3 La compression sémantique des données 37

3.1 La compression des données . . . . . . . . . . . . . . . . . . . . . . . 37
3.1.1 Travaux sur la compression sémantique des données . . . . . 38
3.2 Méthodes de compression sémantique . . . . . . . . . . . . . . . . . . 39
3.2.1 Les méthodes statistiques . . . . . . . . . . . . . . . . . . . . 39
3.2.2 Les méthodes basées sur les modèles . . . . . . . . . . . . . . 44
3.3 SaintEtiQ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.3.1 L’architecture du système . . . . . . . . . . . . . . . . . . . . 55
3.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
Conclusion 59
155
156 TABLE DES MATIÈRES
Introduction 65
4 Un modèle multidimensionnel pour les résumés de données 67

4.1 Rappel des objectifs . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.2 Le modèle de résumé . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.2.1 L’intention et l’extension du résumé . . . . . . . . . . . . . . 69
4.2.2 Relation sur les résumés. . . . . . . . . . . . . . . . . . . . . . 72
4.3 La hiérarchie de SaintEtiQ . . . . . . . . . . . . . . . . . . . . . . . 72
4.3.1 Quelques caractéristiques de la hiérarchie de résumés . . . . . 74
4.4 Le modèle multidimensionnel de résumés . . . . . . . . . . . . . . . . 76
4.4.1 Partition de résumés . . . . . . . . . . . . . . . . . . . . . . . 77
4.4.2 Un niveau d’abstraction . . . . . . . . . . . . . . . . . . . . . 77
4.4.3 Partition de résumés vs. cube de données . . . . . . . . . . . 81
4.5 Organisation des partitions de résumés . . . . . . . . . . . . . . . . . 81
4.5.1 Relation d’ordre sur les partitions . . . . . . . . . . . . . . . . 82
4.5.2 Ordre total sur les partitions . . . . . . . . . . . . . . . . . . 85
4.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
5 Une algèbre de manipulation pour les résumés de données 89

5.1 Introduction à la manipulation des résumés . . . . . . . . . . . . . . 89
5.1.1 Objectifs et motivations . . . . . . . . . . . . . . . . . . . . . 89
5.1.2 Proposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
5.1.3 Illustration . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
5.2 Le noyau de l’algèbre . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
5.2.1 Opérations classiques . . . . . . . . . . . . . . . . . . . . . . . 91
5.2.2 Opérations de granularité . . . . . . . . . . . . . . . . . . . . 99
5.2.3 Opérations de restructuration . . . . . . . . . . . . . . . . . . 101
5.2.4 Synthèse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
5.3 Á propos de l’algèbre . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
5.3.1 Modèle conjonctif. . . . . . . . . . . . . . . . . . . . . . . . . 106
5.3.2 Composition et fermeture. . . . . . . . . . . . . . . . . . . . . 108
5.3.3 Sémantique de l’algèbre . . . . . . . . . . . . . . . . . . . . . 108
5.4 Interface graphique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
5.4.1 Implémentation . . . . . . . . . . . . . . . . . . . . . . . . . . 110
5.4.2 Les fonctionnalités . . . . . . . . . . . . . . . . . . . . . . . . 112
5.4.3 Exploration . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
5.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
6 Représentation des résumés par prototypes flous 119

6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
6.1.1 Problématique . . . . . . . . . . . . . . . . . . . . . . . . . . 120
6.2 Les prototypes flous . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
TABLE DES MATIÈRES 157
6.2.1 Travaux connexes . . . . . . . . . . . . . . . . . . . . . . . . . 121

6.2.2 Prototypes flous pour les résumés linguistiques . . . . . . . . 122
6.3 Prototypes de résumés . . . . . . . . . . . . . . . . . . . . . . . . . . 122
6.3.1 Prototype idéalisé d’un résumé . . . . . . . . . . . . . . . . . 123
6.3.2 Prototype par extension d’un résumé . . . . . . . . . . . . . . 126
6.3.3 Prototype combiné . . . . . . . . . . . . . . . . . . . . . . . . 130
Conclusion 133
7 Conclusion générale 135
Bibliographie 139
Liste des tableaux 149
Table des figures 151
Table des exemples 153
Table des matières 155
A Glossaire & Notations. 161
B Propositions industrielles des solutions décisionnelles. 165
C Rappels sur la théorie des sous-ensembles flous. 171

Annexes
A NNEXE A
Glossaire & Notations.
Glossaire
– BD, Base de données (DB, Database )
Une base de données regroupe en un ensemble structuré les informations néces-
saires à une ou plusieurs applications de l’entreprise. L’accès aux informations
se fait grâce au SGBD (Système de Gestion de Base de Données). Le modèle
de données relationnel, le plus courant aujourd’hui, mémorise les relations exis-
tant entre les informations dans des tables.
– Base multidimensionnelle
Pour pouvoir analyser les données représentant l’activité d’une entreprise, il
faut pouvoir les modéliser suivant des axes. Ainsi, pour prendre l’exemple le
plus courant, le chiffre d’affaires par catégorie de client sur un produit donné
se décline sur trois axes au minimum : chiffre d’affaires, catégorie de clients, et
produit. De nombreux autres axes peuvent être définis, notamment en fonction
de la zone géographique, du prix, ou d’un commercial de l’équipe en charge
des opérations. Une base de données multidimensionnelle stocke les données de
manière à permettre ce type d’analyses.
– Entrepôt de données (Data warehouse)

Structure informatique dans laquelle est centralisé un volume important de
données consolidées à partir des différentes sources de renseignements d’une
entreprise (notamment les bases de données internes). L’organisation des don-
nées est conçue pour que les personnes intéressées aient accès rapidement et
sous forme synthétique à l’information stratégique dont elles ont besoin pour
la prise de décision.
– Magasin de données (Data mart)

Entrepôt de données départemental. Sous-ensemble d’un entrepôt de données,
contenant des informations se rapportant à un secteur d’activité particulier de
l’entreprise ou à un métier qui y est exercé (commercial, marketing, compta-
bilité, etc.).
– Fouille de données (Data mining)

Technique d’analyse utilisant un logiciel pour dénicher des tendances ou des
corrélations cachées parmi des masses de données, ou encore pour détecter
161
162 ANNEXE A
des informations stratégiques ou découvrir de nouvelles connaissances, en s’ap-

puyant sur des méthodes de traitement statistique.
– ETL (Extraction, Transformation and Loading)

Outil informatique destiné à extraire des données de diverses sources (bases
de données de production, fichiers, Internet, etc.), à les transformer et à les
charger dans un entrepôt de données.
– Informatique décisionnelle (BI, Business Intelligence )

Système interprétant des données complexes permettant aux dirigeants d’en-
treprise de prendre des décisions en connaissance de cause. Les données sont
analysées selon plusieurs dimensions (type de produits, régions et saisons par
exemple). De plus en plus, l’informatique décisionnelle se rapproche de l’in-
telligence d’affaires, où un système informatique permet la recherche active et
l’exploitation, sur le plan décisionnel, de l’ensemble des renseignements stra-
tégiques essentiels qu’une entreprise doit posséder, si elle veut faire face à la
concurrence et occuper la première place, dans son secteur d’activités.
– OLAP (On-Line Analytical Processing )

Technologie créée par E. F. Codd, père des bases de données relationnelles, et
conçue pour répondre aux besoins d’analyse des applications de gestion. Les
systèmes OLAP fournissent une vue multidimensionnelle des données agrégées
issues d’un data warehouse.
– DOLAP (Dynamic On-Line Analytical Processing)

Technologie qui permet la navigation dans les données de façon dynamique.
– HOLAP (Hybrid On-Line Analytical Processing)

Technologie qui prend en compte à la fois les bases de données relationnelles
et multidimensionnelles.
– MOLAP (Multidimentional On Line Analytical Processing)

Technologie qui stocke physiquement les données dans une base multidimen-
sionnelle.
– ROLAP (Relational On Line Analytical Processing)

Technologie qui stocke physiquement les données dans un SGBD relationnel.
Un cube multidimensionnel est fourni en réponse à chaque interrogation de
l’utilisateur.
– Reporting
Production de rapports pré conçus pour la diffusion d’informations analytiques
et synthètiques au niveau de la prise de décision.
ANNEXE A 163
– SIAD (Système informatisé d’aide à la décision), DSS (Decision support sys-

tem)
Système informatique intégré, conçu spécialement pour la prise de décision, et
qui est destiné plus particulièrement aux dirigeants d’entreprise. Le système
d’aide à la décision est un des éléments du système d’information de gestion.
Il se distingue du système d’information pour dirigeants, dans la mesure où
sa fonction première est de fournir non seulement l’information, mais aussi les
outils d’analyse nécessaires à la prise de décision. Ainsi, il est habituellement
constitué de programmes, d’une ou de plusieurs bases de données, internes
ou externes, et d’une base de connaissances. Il fonctionne avec un langage et
un programme de modélisation permettant aux dirigeants d’étudier différentes
hypothèses en matière de planification et d’en évaluer les conséquences.
164 ANNEXE A
NOTATIONS
Voici les différentes notations utilisées dans le système SaintEtiQ.
– R : table relationnelle.
– A: ensemble des attributs d’une relation.
– DA : le domaine de base de l’attribut A.
+
– DA : le domaine réécrit de l’attribut A (ensemble de descripteurs).
– BK : Connaissances de domaine, i.e. une collection d’ensembles flous.
– t = ht.A1 , ..., t.An i: n-uplet où Ai ∈ A et t.Ai ∈ DAi est la valeur de t sur Ai .
+
– ct = hct.A1 , ..., ct.An h : n-uplet candidat avec ct.Ai ∈ F(DA i
) et ||ct.Ai || = 1.
– z = hz.A1 , ..., z.An h: n-uplet de la relation R, intention d’un résumé z avec

+
z.Ai ∈ F(DA i
).
– Rz : extension du résumé z en termes de n-uplets candidats Rz = ct1 , ..., ctn .
– card(Rz ) : cardinal relatif de l’extension de z. card(Rz) =

P
ct∈Rz w(ct).
– w(ct) : poids du candidat ct dans la représentation de t.

A NNEXE B
Propositions
industrielles des
solutions décisionnelles.
Cette annexe présente les principales offres commerciales du marché des so-
lutions décisionnelles. Ces solutions sont classées par ordre alphabétique et pré-
sentées suivant leurs différentes fonctionnalités.
Brio1
Brio Software propose une solution complète de business intelligence dédiée à
la requête et l’analyse des données, au reporting et à la diffusion d’informations,
dont la vocation est d’aider les entreprises à optimiser leurs performances. La
plate-forme décisionnelle de Brio se compose de trois modules :
– Brio Intelligence : suite intégrée composée d’outils d’analyse, de requête et de
reporting analytique pour les environnements Web et Client/Serveur.
– Brio Report : serveur à hautes performances pour les rapports manipulant
des volumes de données importants et couvrant tous les besoins de reporting
d’entreprise.
– Brio Portal : portail décisionnel d’entreprise.
Les principaux avantages de cette solution résident dans la satisfaction de re-
quêtes dynamiques, et l’utilisation de technologie OLAP permettant ainsi la diffu-
sion d’informations de reporting analytique dans un environnement client/serveur
ou web. En revanche son grand inconvénient réside dans l’absence d’outil analy-
tique.
Business Object2
La solution décisionnelle de BO est une suite d’outils intégrés de business in-
telligence, elle est considérée comme numéro un sur le marché avec son software
"Business Objects Analytics" qui représente une suite intégrée d’applications
analytiques d’entreprise. Cette offre complète permet aux utilisateurs d’accéder,
1
Brio Software, http://www.brio.com/fr/
2
http://www.france.businessobjects.com/
165
166 ANNEXE B
d’analyser et de partager l’information dans l’entreprise et à l’extérieur de l’en-

treprise. Ces principales fonctionnalités sont :
– Portail et diffusion de l’information,
– interrogation, reporting et analyse,
– applications analytiques,
– déploiement d’entreprise,
– intégration de données.
Cognos3
Cognos est un outil décisionnel des plus utilisés dans les entreprises, il est
constitué d’un ensemble d’outils d’analyse de données facilitant la prise de déci-
sion. Ce sont des applications intégrées au sein d’une offre complète de business
intelligence, depuis l’ETL jusqu’au portail décisionnel. La plupart de ses fonc-
tionnalités et domaines d’application sont :
– analyse des ventes et des achats,
– analyse comptable et financière,
– analyse des stocks et de la demande,
– analyse multidimensionnelle à l’échelle de l’entreprise : PowerPlay,
– analyse multidimensionnelle sur le Web : PowerPlay Web.
Crystal Decision4
Crystal Decision propose la solution décisionnelle appelée CRYSTAL EN-
TREPRISE, c’est une suite logicielle intégrée et complètement dédiée au Web
pour le reporting, l’analyse et la diffusion d’informations, à l’échelle de l’entre-
prise. L’avantage majeur de cette solution est sa prise en charge de différentes
plates-formes windows et unix. Sa principale fonctionnalité est le reporting avec
l’analyse et la diffusion en mode zéro-client, à partir de n’importe quelle source
de données multidimensionnelle ou relationnelle.
Hummingbird5
Hummingbird BI est une puissante solution décisionnelle permettant de dé-
ployer des fonctionnalités d’interrogation, de reporting et de traitement OLAP
à l’échelle de toute l’entreprise pour un coût de possession minimal. En effet,
Hummingbird BI fournit l’ensemble des outils d’interrogation et de reporting né-
cessaires pour localiser, partager, gérer, publier et analyser l’information, ce qui
permet aux utilisateurs de prendre rapidement des décisions parfaitement fon-
dées. Hummingbird BI couvre l’intégralité des besoins utilisateur à travers une
série de quatre produits:
3
http://www.cognos.com/
4
http://www.crsystaldecision.com/fr
5
http://www.hummingbird.com/fr
ANNEXE B 167
– BI Query : application d’interrogation/reporting ad hoc pour l’entreprise qui

permet à l’utilisateur d’interroger les données et d’obtenir des résultats sous la
forme de rapports à haute valeur informative.
– BI Web : solution web délivrant des capacités complètes d’interrogation, de
reporting et d’analyse OLAP.
– BI Analyze : application OLAP (On-Line Analytical Processing) sur plate-
forme PC permettant aux utilisateurs de résoudre les questions métier les plus
complexes à travers l’analyse multidimensionnelle des données.
– BI Server : serveur d’applications d’entreprise conçu pour délivrer des services
de sécurité, planification, distribution, notification et administration centrali-
sée, facilitant ainsi le déploiement des fonctionnalités décisionnelles à l’échelle
de l’entreprise tout entière.
IBM6
L’offre décisionnelle de IBM est appelée IBM DB2. Elle permet de répondre
de façon optimale aux problématiques actuelles des entreprises en Business In-
telligence et aussi dans les domaines de la Gestion de Contenu, les ERP 7 et la
Gestion de la Relation Client (CRM).
L’offre DB2, complétée par celle d’Informix, propose des solutions de gestion
de bases de données optimisées pour supporter les applications décisionnelles ou
de business intelligence. Afin de permettre à l’utilisateur d’analyser les données
métier et les mettre en forme (reporting, data mining) pour qu’il ait une meilleure
maîtrise des données et des informations. Cette offre est composée des modules
suivants :
– DB2 Warehouse Manager : permet l’extraction, la transformation, le mouve-
ment et le chargement des données ainsi que gestion des méta-données. As-
cential Software avec son offre d’intégration de données (ETL et Qualité de
Données) vient enrichir cette offre.
– Red Brick Warehouse : permet les fonctions de design, conception et adminis-
tration des Data Warehouses et des Datamarts.
– DB2 Olap Server : permet le développement d’applications analytiques des-
tinées à des analyses multi-dimentionelles d’entreprise grâce à l’utilisation de
fonctions financières, statistiques et mathématiques. DB2 Olap Server repose
sur la technologie de Hyperion Essbase.
– QMF : répond aux besoins de requêtes et de reporting. A cela, s’ajoutent les
offres de Business Objects et de Brio.
A ces modules s’ajoutent un ensemble d’outils qui permettent de réaliser des
algorithmes de fouille de données comme DB2 Intelligent Miner.
6
http://www-306.ibm.com/software/data/db2/db2olap/
7
Enterprise Resource Planning.
168 ANNEXE B
Isoft
Isoft est une suite d’outils dédiés à l’analyse des données, nous citons ici les
deux principaux outils de Isoft : AMADEA et ALICE:
– AMADEA. Amadéa est un outil d’ETL et de data morphing. Cet outil permet
l’alimentation, la transformation (morphing) et le reporting en temps réel par
la création et l’exécution de scripts. L’outil délivre des indicateurs métiers pa-
ramétrables. Amadéa construit également le système d’information support, et
les data marts. Ses principales fonctionnalités se résument en : extraction, net-
toyage, transformation, chargement et reporting. Ses différents modules sont
au nombre de quatre : Amadéa Studio: data morphing, Amadéa Batch proces-
sing: automatisation des traitements, Amadéa Web: génération des rapports
dans un navigateur et Amadéa Web mining: indicateur de CRM8 pré-établis.
– ALICE. Alice est l’outil de data mining d’Isoft, il est complet et interactif. Il
permet les différentes techniques de fouille de données suivantes : arbres de
décision, analyse interactive, profiling, corrélation, clustering, segmentation.
Microsoft9
Microsoft propose sa solution décisionnelle dans l’outil SQL Server OLAP

Services. Ce composant répond aux défis d’une mise en œuvre OLAP :
– La construction du modèle de données OLAP, une interface utilisateur intuitive
améliore l’accessibilité aux données,
– l’explosion des données avec l’agrégation, des choix de stockage souples pour
une meilleure utilisation des ressources, préagrégation intelligente, performances
et évolutivité,
– la présentation des informations OLAP à l’utilisateur, mode déconnecté et
transmission par le Web avec l’outil Microsoft PivotTable Service
– la présence des outils OLAP, l’outil MicroStrategy 7i qui contient un moteur
ROLAP.
Oracle10
Après le lancement d’Oracle Database 10g OLAP (anciennement ORACLE

EXPRESS), Oracle s’est positionné comme un des acteurs majeurs de la BI, of-
frant un outil tout en un. En effet cette solution a pour vocation d’éviter aux
clients l’achat de plusieurs outils serveurs spécialisés entre autres dans l’extrac-
tion, le datamining, les bases de données et les bases de données OLAP. La suite
logicielle de Business Intelligence "Oracle Business Intelligence 10g" a permis à
Oracle d’étendre sa philosophie de tout en un pour la partie BI client, et est en
mesure d’assurer l’automatisation du processus en supportant toutes les étapes
8
Gestion des relations clients.
9
http://www.microsoft.com/france/technet/produits/sql/7.0/a-olap-1005.mspx
10
www.oracle.com/olap
ANNEXE B 169
de la prise de décision. Parmi les composants de cette solution, un moteur mul-

tidimensionnel très puissant et un outil de construction d’entrepôt de données
appelé warehouse builder.
SAS11
Avec ses deux outils SAS9 et SAS Miner la plateforme décisionnelle SAS est
une solution de BI complète elle contient différentes fonctionnalités les princi-
pales sont : intégration de données (ETL, qualité de données...), stockage, mé-
tadonnées uniques, portail web, reporting de masse, interactif ou non, analyse
de type OLAP, analyse prédictive, datamining, textmining, applications métiers
(marketing, ressources humaines, achats, grande distribution, finance, risque...)
et pilotage stratégique.
11
http://www.sas.fr/
A NNEXE C
Rappels sur la théorie
des sous-ensembles
flous.
Dans cette annexe nous allons présenter quelques éléments de base de la
théorie des sous-ensembles flous qui faciliteront la compréhension du principe du
système SaintEtiQ vu qu’il se base sur la théorie des sous-ensembles flous.
Sous-ensembles flous
La théorie des sous-ensembles flous proposée par Zadeh en 1965 [105] comme
une extension de la théorie des sous-ensembles permet d’exprimer une apparte-
nance graduelle reflétant un degré de satisfaction de cette appartenance. Ce qui
permet d’exprimer plus facilement des situations plus proches du langage humain
qui peuvent être aussi des informations imprécises ou des classes aux limites mal
définies. Si par exemple on veut qualifier une personne de jeune, ça peut être
exprimé sous la forme Jeune = {x ∈ P, 18 ≤ x ≤ 25}. Ici P est l’ensemble des
personnes, cet exemple qualifie une personne de 17 ans comme une personne
non jeune, alors que cette personne peut être qualifiée de jeune. A l’aide des
sous-ensemble flou on pourrait présenter ce genre d’information.
Definition C.1 (Sous-ensemble flou). Un sous-ensemble flou A est défini sur un

ensemble de référence ou référentiel Ω par une fonction d’appartenance µA de Ω vers
l’intervalle réel [0, 1] :
µA : Ω → [0, 1]
x → µA (x)
La figure C.1 montre une représentation d’un sous-ensemble flou où la fonction
d’appartenance µA qui nous permet de connaître l’appartenance d’un individu
qui a un âge donné à cette classe (ensemble flou) jeune. Pour un ensemble clas-
sique, la fonction d’appartenance ne prend plus ses valeurs dans l’intervalle [0, 1]
mais dans l’ensemble {0, 1}. Un ensemble classique est donc un cas particulier
de sous-ensemble flou. Mais il reste possible de dériver d’un sous-ensemble flou
un ensemble classique, dénommé α-coupe, répondant alors à l’une des définitions
suivantes :
171
172 ANNEXE C
Figure C.1 – Représentation du sous-ensemble flou Jeune
Definition C.2 (α − coupe). On appelle α − coupe (ou coupe de niveau α ou encore

sous-ensemble de niveau α) d’un sous-ensemble flou A du référentiel Ω, et pour toute
valeur α ∈ [0, 1]1 , l’ensemble classique Aα défini par :
Aα = {µ ∈ Ω, µA (µ) ≥ α}
α α
U U
a b c d b c
a) maximum b) minimum
Figure C.2 – α − coupe
Definition C.3 (α-coupe stricte). On appelle α − coupe stricte pour une valeur
α ∈ [0, 1], d’un sous-ensemble flou A du référentiel Ω ,l’ensemble classique Aᾱ défini
par :
Aᾱ = {µ ∈ Ω, µA (µ) ≥ α}
Caractéristiques des sous-ensembles flous.

Soit A un sous-ensemble flou sur un ensemble Ω.
– Support : le support de A, noté supp, est l’ensemble (classique=) des éléments
de Ω qui satisfont le concept représenté par A.
supp(A) = {x ∈ Ω/µA (x) > 0}

ANNEXE C 173
– Noyau : le support de A, noté noy, est l’ensemble (classique=) des éléments de

Ω qui satisfont pleinement le concept représenté par A.
noy(A) = {x ∈ Ω/µA (x) = 1}
– Hauteur : la hauteur d’un sous-ensemble flou A notée H(A), la plus grande des
valeurs que prend la fonction d’appartenance dans l’intervalle [0, 1] :
H(A) = supu∈U µA (u)
On notera qu’un sous-ensemble flou est habituellement dit normalisé en rapport

avec sa hauteur, lorsqu’elle vaut 1, ce qui équivaut également à un noyau non
vide.
– Cardinalité : on appelle cardinalité d’un sous-ensemble flou A la valeur no-
tée |A| servant à évaluer le degré global auquel les élements de l’ensemble de
référence appartiennent à A :
X
|A| = µA (u), sur un référentiel discret.
u∈U
Z
|A| = µA (u), sur un référentiel continu.
u∈U
– Spécificité : la spécificité d’un sous-ensemble flou A se détermine par rapport
à un autre sous-ensemble flou B défini sur le même ensemble de référence. On
dit que A est plus spécifique que B si :
– noy(A) ⊂ noy(B) et,
– noy(A) ⊆ noy(B)
Les sous-ensembles les plus spécifiques alors sont les singletons {u} de U tels
que :
– µu (u) = 1, et
– ∀v ∈ U/v 6= u, µu (v) = 0
Un modèle multidimensionnel pour un processus
d’analyse en ligne de résumés flous
Lamiaa Naoum
Résumé
Le travail présenté dans cette thèse traite de l’exploration et de la manipulation
des résumés de bases de données de taille significative. Les résumés produits par le
système SaintEtiQ sont des vues matérialisées multi-niveaux de classes homogènes
de données, présentées sous forme de collections d’étiquettes floues disponibles sur
chaque attribut. La contribution de cette thèse repose sur trois points. En premier
lieu nous avons défini un modèle de données logique appelé partition de résumés,
par analogie avec les cubes de données OLAP, dans le but d’offrir à l’utilisateur final
un outil de présentation des données sous forme condensée et adaptée à l’analyse.
En second lieu, nous avons défini une collection d’opérateurs algébriques sur l’espace
multidimensionnel des partitions de résumés. Ces opérateurs sont à la base d’une
algèbre de manipulation des résumés. Cette algèbre prend en compte les spécificités
du modèle de résumé que nous traitons. Nous avons adapté la majorité des opéra-
teurs d’analyse proposés dans les systèmes OLAP. Ainsi, nous avons identifié : les
opérateurs de base issus de l’algèbre relationnelle, les opérateurs de changement de
granularité et les opérateurs de restructuration. Ces résultats offrent de nouvelles
perspectives pour l’exploitation effective des résumés dans un système décisionnel.
Finalement, pour compléter ce travail, nous nous sommes intéressés à la représen-
tation des résumés et des partitions de résumés linguistiques, notamment pour en
fournir une présentation claire et concise à l’utilisateur final. Appliquée à une hiérar-
chie de résumés produite par le système SaintEtiQ, l’approche tente de construire
des prototypes flous représentant les résumés.
Mots-clés : Résumés de bases de données, cubes OLAP, concepts

multidimensionnels flous, aide à la décision, prototypes flous.
Abstract
The work presented in this thesis deals with the subject of exploration and manip-
ulation of database summaries with significant size. The summaries produced by
SaintEtiQ system are multilevel materialized views of homogeneous data clusters,
presented with a collections of fuzzy labels available on each attribute. Our thesis
contribution is based on three points. Initially we defined a logical data model called
summaries partition, by analogy with OLAP datacubes, with the aim of offering to
the end-user a tool for data presentation in condensed form and adapted to the
analysis. Secondly, we defined a collection of algebraic operators on the multidimen-
sional space of summaries partitions. These operators are the base for an algebra for
handling summaries. This algebra takes into account specificities of the summary
model we deal with. We adapted the majority of the operators of analysis proposed
in OLAP systems. Thus, we identified: core operators resulting from the relational
algebra, operators of changing granularity and operators of reorganization. These
results offer new prospects for the effective summaries exploitation in a decisional
system. Finally, to complet this work, we were interested in the summaries and
partitions representation, in particular to provide a clear and concise presentation of
it to the end-user. Applied to a summaries hierarchy produced by the SaintEtiQ
system, the approach tries to construct fuzzy prototypes representing the summaries.
Keywords: Databases summarization, OLAP datacubes, multidimensional

vague concepts, decision support, fuzzy prototypes.

Naoum These

Transféré par

Droits d'auteur :

Formats disponibles

Naoum These

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Naoum These

Transféré par

Droits d'auteur :

Formats disponibles

Un modèle multidimensionnel pour un processus

d’analyse en ligne de résumés flous

To cite this version:

HAL Id: tel-00481046

HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

École Doctorale STIM

Présentée et soutenue publiquement par

Un modèle multidimensionnel pour un

Directeur de thèse : Noureddine Mouaddib

A multidimensional model for on-line analytical

favet neptunus eunti

Ce document a été préparé avec LATEX2ε et la classe these-IRIN ver-

Impression : Naoum-these.tex – 21/11/2006 – 16:31

II Vers un processus d’analyse en ligne de résumés flous

D’autres travaux se sont intéressés aux grands volumes de donnés en étudiant

Definition 2.1 (Système d’Information Décisionnel). Un système d’information dé-

synchronisation des différents flux d’informations. Le marché des applications déci-

2.2 Architecture d’un système décisionnel

Figure 2.1 – Architecture d’un système décisionnel (tiré de [101])

2.2.1 Sources de données

2.2.2 Entrepôts et magasins de données

suivante d’un entrepôt de données:

en charge le stockage d’informations de nature hétérogène sur les données : date

2.2.2.2 Magasins de données

Definition 2.3 (Magasin de Données). Un magasin de données est un extrait de

2.2.3 Serveurs OLAP

OLTP versus OLAP

analyser l’information et supporter efficacement leurs processus d’aide à la décision.

Caractéristiques Processus OLTP Processus OLAP

Table 2.1 – Comparaison des processus OLTP et OLAP

2.2.4 Les outils d’analyse

2.3 Modélisation multidimensionnelle

Definition 2.4 (Modélisation multidimensionnelle). La modélisation multidimen-

Une base de données multidimensionnelle stocke alors les données de manière

2.3.1 Modélisation conceptuelle

Definition 2.7 (Hiérarchie). Une hiérarchie représente une perspective d’analyse

Definition 2.8 (Cube de Données). Un cube est un ensemble de données organisées

Exemple 2.1 (Exemple d’un cube de données).

Figure 2.2 – Exemple de cube de données

2.3.2 Modélisation physique

– D = {Ds , 1 ≤ s ≤ r} un ensemble de r dimension où chaque Ds contient un

2.3.3 Modélisation logique

Figure 2.3 – Exemple d’une modélisation en étoile (tiré de [95])

Figure 2.4 – Exemple d’une modélisation en flocon (tiré de [95])

Figure 2.5 – Exemple d’une modélisation en constellation (tiré de [95])

2.3.3.1 OLAP relationnel

ROLAP, pour Relational On Line Analytical Processing, stocke physiquement les

sous forme d’hypercubes construits le long de dimensions. Une dimension L

2.3.3.2 OLAP multidimensionnel

MOLAP, pour Multidimentional On Line Analytical Processing, stocke physi-

2.3.3.3 MOLAP vs ROLAP

aussi l’extension aux bases de données floues dans [55].

Indépendamment des modèles présentés, nous proposons de définir formellement

2.4 Exploitation des données multidimensionnelles

2.4.1 Restitution des données multidimensionnelles

2.4.1.1 Production de rapports et diffusion d’information

pour des raisons de coûts et de simplicité. Mais avec la généralisation de l’Internet

2.4.1.2 Les fonctions d’analyse

mettant de visualiser le détail composant une information) ou de généralisation (qui

2.4.2 Visualisation des données multidimensionnelles