Algorithmes pour le Traitement de Données

Introduction Indexation, Représentation Vectorielle L’algorithme des k plus proches voisins (RI et catégorisation) Evaluation Ouvrages de référence
Algorithmes pour le Traitement de Données
Eric Gaussier, Olivier Aycard
Université J. Fourier/Grenoble 1
UFR-IM2AG
Informatique, Mathématiques et Mathématiques Appliquées de Grenoble
[email protected], Olivier[email protected]
Eric Gaussier, Olivier Aycard Algorithmes pour le Traitement de Données 1

Introduction Indexation, Représentation Vectorielle L’algorithme des k plus proches voisins (RI et catégorisation) Evaluation Ouvrages de référence
Table des matières
1Introduction
2Indexation, Représentation Vectorielle
3L’algorithme des k plus proches voisins (RI et
catégorisation)
4Evaluation
5Ouvrages de référence
Eric Gaussier, Olivier Aycard Algorithmes pour le Traitement de Données 2

Introduction Indexation, Représentation Vectorielle L’algorithme des k plus proches voisins (RI et catégorisation) Evaluation Ouvrages de référence
Objectifs du cours
L’objectif de cours est d’introduire les principaux modèles et
algorithmes utilisés en Traitement des Données
Nous nous intéresserons en particulier à :
L’indexation et la représentation des documents
La recherche d’information (RI), y compris la RI sur le Web
La catégorisation et la classification (clustering)
La fouille de données
Eric Gaussier, Olivier Aycard Algorithmes pour le Traitement de Données 3

Introduction Indexation, Représentation Vectorielle L’algorithme des k plus proches voisins (RI et catégorisation) Evaluation Ouvrages de référence
Domaines d’applications (1)
La recherche d’information (RI), y compris la RI sur le Web
Indexation des requêtes et des documents
Appariement entre requêtes et documents (ou entre documents)
Eric Gaussier, Olivier Aycard Algorithmes pour le Traitement de Données 4

Introduction Indexation, Représentation Vectorielle L’algorithme des k plus proches voisins (RI et catégorisation) Evaluation Ouvrages de référence
Domaines d’applications (2)
La catégorisation
Binaire vs multi-classe, mono- vs multi-label
Hiérarchique ou à plat
Formalisation données étiquetées : (x(i) ,y(i)),1≤i≤navec
x∈Rp ,y∈ Y Y ={−1; +1}; trouver une fonction f, de Rp
dans Yqui à xassocie yavec le moins d’erreurs possibles
Eric Gaussier, Olivier Aycard Algorithmes pour le Traitement de Données 5