Julien Rabatel (GREYC, Caen)

La découverte de motifs d’intérêt dans de grandes masses de données constitue un défi majeur. Au cours de cet exposé, nous présenterons deux types de motifs aux utilités diverses.

Tout d’abord, nous aborderons l’extraction de motifs dits contextuels, récemment définis afin de permettre la prise en compte d’informations contextuelles associées aux données. Par exemple, dans des données décrivant les achats effectués dans un magasin, les informations contextuelles pourront être l’âge des clients ou le jour de la semaine. Un motif contextuel doit d’une part satisfaire un critère de seuil minimum sur une mesure d’intérêt choisie (fréquence, gain d’information, taux de croissance, etc.) dans le contexte auquel il est associé. D’autre part, il doit respecter une propriété de représentativité dans ce contexte et tous ses sous-contextes.

La seconde partie de cet exposé sera dédiée aux travaux menés actuellement au sein de l’équipe CoDaG, en collaboration avec l’Université Catholique de Louvain et le CERMN. Ceux-ci portent sur l’extraction de motifs spatiaux dans des graphes moléculaires 3D, afin de mieux décrire les phénomènes d’interaction entre une molécule et une protéine.