SIGED MODELE CONCEPTUEL POUR LANALYSE MULTIDIMENSIONELLE DE DOCUMENTS

SIG/ED MODELE CONCEPTUEL POUR L’ANALYSE MULTIDIMENSIONELLE DE DOCUMENTS Franck Ravat, Olivier Teste, Ronan Tournier et Gilles Zurfluh. IRIT: Institut de Recherche en Informatique de Toulouse. tournier@irit. fr Auteur : Ronan Tournier EDA, Mai 2007

Plan n Introduction : Cadre d’étude n Contexte n Exemple n Problématique n Modèle conceptuel n Manipulations multidimensionnelles n Conclusion et perspectives IRIT, SIG/ED EDA 2007 2

Contexte n Analyse en ligne (OLAP) Contexte de ces travaux IRIT, SIG/ED EDA 2007 3

Contexte n Pourquoi se soucier des documents ? n Analyse en ligne sur données transactionnelles n Données transactionnelles : 20% des données du SI (système d’information) [Sullivan-01], [Tseng-06] n 80% des données hors de portée (les documents) n Limite: environnement rigide n Evolution : XML, format prometteur n Envisager les documents dans le système n Ajout de documents dans l’analyse en ligne n 2 Types de documents XML [Fuhr-01] IRIT, SIG/ED EDA 2007 4

Contexte n [1] Documents orientés données n n Transactions (expressions/résumés d’opérations) Reposent sur une structure de données Format d’échange structuré Ex. : BD, en-têtes mails, factures… n De nombreux travaux de recherche n Alimentation : intégration de données XML [Golfarelli-01]… n Modélisation : XML multidimensionnel [Boussaid-06]… n Manipulation : opérateur cube pour XML [Wiwatwattana-07]… IRIT, SIG/ED EDA 2007 5

Contexte n [2] Documents orientés documents n Documents d’information n Principalement composés de texte n Ex. : articles, e-book, ouvrages… n Peu de travaux de recherche n Ajout des documents en tant que contexte [Peréz-05] n Analyse de documents [Mc. Cabe-00]… n Basé sur des analyses numériques IRIT, SIG/ED EDA 2007 6

Exemple n Analyse multidimensionnelle n De l’analyse numérique… Institut Nombre de publications par auteur Inst 1 Auteur Au 1 Au 2 Conference Da. Wa. K 2 1 - ICEIS 1 3 - CAi. SE - 1 2 Au 3 Sujets des 3 publications n Vers l’analyse non numérique Institut Sujet des publications Auteur Conference Da. Wa. K ICEIS CAi. SE IRIT, SIG/ED Inst 1 Au 1 Au 2 Au 3 XML, Temporel Entrepôts de données - XML, BD temporelles XML, Fouille, Contraintes - - Entrepôts de données Modèle conceptuel, Fouille de données EDA 2007 7

Problématique Comment analyser un indicateur textuel ? n Modélisation multidimensionnelle n Etats de l’art [Torlone-03], [Ravat-07] n conçus pour l’analyse de données transactionnelles numériques n Conçus pour l’analyse de données transactionnelles n Spécification d’analyse peu flexible IRIT, SIG/ED EDA 2007 8

Problématique Pourquoi un nouveau modèle ? n Limites de la modélisation ý Mesures textuelles non gérées ý Structure documentaire non exploitée ý Spécification d’analyses peu flexible n Analyse de documents… n Remise en cause de la manipulation (basée sur les données numériques) n La navigation s’appuie sur la structure hiérarchique du document n Conséquence : la manipulation s’en trouve changée IRIT, SIG/ED EDA 2007 9

MODELE n Introduction : cadre de l’étude n Modèle conceptuel n Concept : Dimensions regroupées en Galaxie n Application n Manipulations multidimensionnelles n Conclusion et perspectives IRIT, SIG/ED EDA 2007 10

Modèle n Caractéristiques n Un seul concept : Dimension n Pas de fait => simplification de la modélisation avec un unique concept n Une dimension est un sujet potentiel d’analyse n Flexibilité du sujet d’analyse et éviter de fournir des sujets d’analyse prédéfinis n Hiérarchisation des indicateurs d’analyse n Représenter les spécificités des documents n Cadre applicatif n Analyse de publications scientifiques IRIT, SIG/ED EDA 2007 11

Concepts n Dimension Di=(ADi, HDi, IStar. Di) n n ADi = ensemble d’attributs HDi = ensemble de hiérarchies IDi = ensemble d’instances IStar. Di = fonction d’association des instances IRIT, SIG/ED EDA 2007 12

Concepts n Dimension Di=(ADi, HDi, IStar. Di) n ADi = ensemble d’attributs n HDi = ensemble de hiérarchies n Hiérarchies Hi=(Param. Hi, Weak. Hi) n Param. Hi = liste ordonnée de paramètres n Weak. Hi = association des attributs faibles Attribut Faible = complément sémantique d’un paramètre Paramètre = niveau de granularité d’analyse (attribut) IRIT, SIG/ED EDA 2007 13

Concepts n Dimension Di=(ADi, HDi, IStar. Di) n n ADi = ensemble d’attributs HDi = ensemble de hiérarchies IDi = ensemble d’instances IStar. Di = fonction d’association des instances {article 1, article 2, …} temp 3 article 1 auteur 6 conference 2 IRIT, SIG/ED EDA 2007 14

Concepts n Galaxie G=(DG, Star. G, Lk. G) n DG = ensemble de dimensions n Star. G = fonction d’association entre dimensions n Lk. G = ensemble de fonctions liant des instances entre elles (liens récursifs) article 1. reference 3 {Temps, Auteurs, Conference } appartiennent à Star. G(Articles) {Articles, Temps, Auteurs, Conference…} article 12 IRIT, SIG/ED EDA 2007 15

Application n Exemple: analyse de publications et de projets IRIT, SIG/ED EDA 2007 16

MANIPULATION n Introduction : cadre de l’étude n Modèle conceptuel n Manipulations multidimensionnelles n Opérations de manipulation n Exploitation des liens n Conclusion et perspectives IRIT, SIG/ED EDA 2007 17

Manipulation n Manipulations multidimensionnelles n Opérations revisitées n Sélection du sujet d’analyse n Sélection d’une dimension n Restriction de la portée de l’analyse n Forage dans les données analysées n Forage classique et forage sur le sujet n Réorientation de l’analyse n Réorientation classique et sur le sujet IRIT, SIG/ED EDA 2007 18

Opérations n Spécification d’une analyse Sélectionner les principaux mot-clefs par section d’articles par auteur, par année IRIT, SIG/ED EDA 2007 19

Opérations n Changement du niveau de détail n Réorientation IRIT, SIG/ED EDA 2007 20

Exploitation des liens n Exemple d’emploi des liens R. Institut Inst 1 R. Auteur Au 1 Institut Au 2 Citations d’auteur Au 3 Inst 1 Auteur Au 1 Au 2 Au 3 Conference Da. Wa. K 3 2 1 Da. Wa. K 2 1 - DEXA 2 - - ICEIS 1 3 - CAi. SE 1 1 2 Conference CAi. SE 1 3 citations dans une conférence Portée des travaux : Comment analyser le contexte de ces citations ? R. Institut Inst 1 Contexte des citations Focus ( Count( ARTICLES. HS. Article), R. Auteur Au 1 Au 2 2 Au 3 Conference ((ARTICLES. Reference. AUTEURS. HA, <Auteur, Institut>), XML, Entrepôts Fouille de données, Da. Wa. K Documents de données Clustering (CONFERENCES. HConf, <Nom>) ) XML, BD DEXA temporelles ) CAi. SE IRIT, SIG/ED EDA 2007 Fouille de données Fouilles de données, Clustering 21

CONCLUSION n Introduction : cadre de l’étude n Modèle conceptuel n Manipulations multidimensionnelles n Conclusion et perspectives n Bilan n Perspectives IRIT, SIG/ED EDA 2007 22

Conclusion et Perspectives n Conclusion n Modèle conceptuel pour l’analyse multidimensionnelle de documents orientés documents n Modèle basé sur un unique concept : dimension n Ensemble d’opérations de manipulation permettant l’analyse multidimensionnelle n Perspectives n Fonction d’agrégation adaptées : « mot-clef moyen » n Langage de manipulation graphique IRIT, SIG/ED EDA 2007 23

- n. MERCI EDA 2007, Ronan Tournier SIG/ED : Systèmes d’Informations Généralisés / Entrepôts de Données IRIT, Institut de Recherche en Informatique de Toulouse Université Paul Sabatier, Toulouse III. IRIT, SIG/ED EDA 2007 24