Représentation condensée à base d’intervalles d’un
ensemble de motifs
M. L. Balde1,2 , C. T. Diop1,2 , A. Giacometti2 , P. Marcel2 , A. Soulet2
1 LANI - Université Gaston Berger de Saint-Louis
BP 234 Saint-Louis (Sénégal)
mlbalde@gmail.com
cdiop@ugb.sn
Résumé
Les motifs sont à l’origine de nombreuses
découvertes de connaissances dans les bases
de données, mais leur nombre, trop important,
limite encore bien souvent leur usage. Afin de
lever cette difficulté, une collection de motifs
peut être condensée en une représentation
équivalente, mais de taille inférieure. La
plupart des travaux se focalisent uniquement
sur les représentations condensées de requêtes
booléennes monotones et/ou anti-monotones.
Dans cet article, nous déterminons un
ensemble minimal d’intervalles permettant
de représenter de manière compacte et de
régénérer un ensemble de motifs issu d’une
requête quelconque. Notre stratégie, pour
l’obtention de ces représentations minimales
à base d’intervalles, se déroule en deux étapes.
Dans la première étape, nous calculons les
intervalles maximaux, appelés noyaux, inclus
dans l’ensemble de motifs à condenser. Dans
la seconde, une représentation minimale de la
collection initiale est déterminée, en choisis-
sant un sous-ensemble des noyaux calculés à
la première étape. Les expérimentations préli-
minaires montrent la faisabilité du calcul des
2 LI - Université François-Rabelais de Tours
41000 Blois (France)
arnaud.giacometti@univ-tours.fr
patick.marcel,arnaud.soulet@univ-tours.fr
représentations minimales à base d’intervalles
et leur important gain en compression.
Mots clés : Fouille de données, représenta-
tions condensées, intervalles de motifs.
1 Introduction
La découverte de motifs est l’une des tâches
les plus utilisées ces dernières années pour
l’Extraction de Connaissances dans les Bases
de Données (ECBD). En effet, les motifs
qui traduisent des relations subtiles entre les
données, permettent d’établir de nouvelles
connaissances, et, désormais, de nombreuses
méthodes existent pour leur extraction, mal-
gré les difficultés algorithmiques inhérentes à
cette tâche. En revanche, les bases de données
manipulées ont des volumes de plus en plus
importants et les algorithmes de fouille pro-
duisent de très grandes collections de motifs.
Ces tailles gigantesques limitent encore, bien
souvent, l’analyse individuelle de chaque
motif et leurs usages pour d’autres tâches
automatiques telles que la classification.
Dans le cadre des bases de données induc-
tives [28, 38, 14], le processus d’extraction de
connaissances est ramené à l’évaluation de
séquences de requêtes. Une approche itérative
pose alors le problème du stockage des ré-
ponses aux requêtes déjà posées ainsi que celui
de l’évaluation de nouvelles requêtes. Dans le
cas de l’extraction de règles d’associations,
Nag et al. [33], Jeudy et al. [22] ont proposé
des solutions basées sur l’utilisation de caches.
Giacometti et al. [15, 16, 17] ont également
proposé des solutions utilisant des représenta-
tions condensées, afin de lever ces difficultés
dans l’extraction itérative de requêtes. Beau-
coup de travaux [27, 35, 36, 37] ont porté sur
l’évaluation des requêtes inductives (prédicats
exprimant des contraintes sur les motifs).
Ainsi, des solutions, relativement efficaces,
existent lorsque les requêtes sont formées
de combinaisons booléennes de contraintes
monotones ou anti-monotones par rapport
à la relation de généralisation/spécialisation
du langage des motifs. Des contraintes syn-
taxiques peuvent également être prises en
compte dans la formulation de certaines
requêtes. Dans cette perspective, l’espace de
recherche est généralement un treillis et les
ensembles solutions sont des sous-ensembles
convexes de celui-ci, correspondant à des
espaces de versions [30, 19, 20, 18].
Le concept d’espace de versions s’est
révélé très utile dans la caractérisation des
ensembles solutions des requêtes formées
de conjonctions de prédicats monotones et
antimonotones [27, 35, 36, 37]. Il permet de
caractériser les motifs intéressants, grâce aux
frontières basses et hautes obtenues à partir
d’un élagage efficace de l’espace de recherche.
Pour une représentation compacte des en-
sembles solutions de requêtes booléennes
formées de conjonctions et disjonctions de
prédicats monotones et anti-monotones, Sau
Dan Lee [25] a introduit les espaces de ver-
sions généralisés, fournissant, dans sa thèse,
une synthèse ainsi qu’une formalisation du
cadre théorique des travaux de De Raedt et
al. [35, 36, 37, 38].
L’ensemble des travaux actuels se limite
presque exclusivement aux représenta-
tions condensées des réponses de requêtes
composées de contraintes monotones et anti-
monotones. Dans cet article, nous souhaitons
aller plus loin en condensant la réponse de
n’importe quelle requête. Pour cela, nous nous
appuyons sur la notion d’intervalle qui est
une structure de granularité plus fine que les
espaces de versions. Un intervalle a le double
avantage d’être une structure compacte et
générique. En effet, il est seulement constitué
de deux bornes qui résument tous les motifs
plus spécifiques que la première borne et plus
généraux que la seconde. Par ailleurs, les dif-
férents résultats des algorithmes d’extraction
de motifs (e.g., motifs simples, intervalles,
espaces de versions) se modélisent facilement
sous la forme d’ensembles d’intervalles et
peuvent donc être condensés par notre ap-
proche.
Dans cet article, nous introduisons la
notion de représentation minimale à base
d’intervalles qui est un ensemble minimal
d’intervalles permettant de représenter de
manière compacte et de régénérer un ensemble
de motifs issu d’une requête quelconque. Nous
proposons un algorithme efficace dans le cadre
des motifs ensemblistes, à chacune des deux
étapes de notre stratégie, pour l’obtention
de ces représentations minimales. Le premier
calcule les intervalles maximaux (appelés
noyaux ) inclus dans l’ensemble de motifs à
condenser. Puis, le second détermine une re-
présentation minimale de la collection initiale,
en choisissant un sous-ensemble de cardinalité
minimale, parmi les noyaux obtenus à la
première étape. Les expérimentations menées
sur des données synthétiques montrent non
seulement la faisabilité du calcul mais un gain
en compression avec notre approche.
Nous introduirons dans la section 2 quelques
définitions et notations préliminaires et dans
la section 3 nous donnons une formulation du
problème. Puis la section 4 sera consacrée à
la construction des noyaux d’un ensemble de
motifs, tandis que dans la section 5, nous four-
nirons un algorithme déterminant une repré-
sentation minimale d’une collection de motifs,
à partir de l’ensemble de ses noyaux. Ensuite,
les résultats des expérimentations menées sur
quelques jeux de données seront présentés à la
section 6. La section 7 conclura l’article.
2 Contexte et état de l’art
L’étude des représentations condensées
commença avec la définition générale pro-
posée par Mannila et Toivonen [26]. Dans
cette section, nous rappelons, brièvement, les
notations de base de leur cadre théorique,
ainsi qu’un état de l’art sur les représentations
condensées.
2.1 Notations et définitions
Soit :
– Un ensemble D d’ensembles de données.
– Un ensemble de motifs L, muni d’une re-
lation d’ordre partielle . Etant donnés
deux motifs ϕ1 et ϕ2 de L, on dit que
ϕ1 est plus général que ϕ2 (ou inverse-
ment que ϕ2 est plus spécifique que ϕ1 ) si
ϕ1  ϕ2 . On dit aussi que  est une rela-
tion de généralisation/spécialisation sur
les motifs de L.
– Un ensemble de prédicats de sélection Q.
Un prédicat de sélection q ∈ Q est une
fonction booléenne définie sur L × D.
Etant donnés un motif ϕ ∈ L et un en-
semble de données D ∈ D, on dit que ϕ
est intéressant dans D relativement à q si
q(ϕ, D) = true.
Définition 1 (Théorie). Soient un prédicat de
sélection q ∈ Q, un ensemble de motifs L ⊆ L
et un ensemble de données D ∈ D. L’ensemble
des motifs de L intéressants dans D relative-
ment à q, est appelé théorie de L relativement
à q et D et est noté T h(q, L, D) i.e.
T h(q, L, D) = {ϕ ∈ L | q(ϕ, D) = true}
Le prédicat de sélection q représente l’en-
semble des contraintes que doit respecter
un motif ϕ ∈ L pour être considéré comme
intéressant dans D. L’ensemble des motifs de
L satisfaisant le prédicat q dans D est appelé
réponse ou ensemble solution de q dans D.
Dans ce formalisme, le problème de l’ex-
traction de motifs intéressants se ramène à
un problème de recherche dont l’espace à
parcourir est l’ensemble L de tous les motifs.
Ce dernier, muni de la relation de généralisa-
tion/spécialisation , aura une structure de
treillis.
Cet espace est de taille exponentielle (il
existe 2n motifs pour une table possédant
n attibuts) or, dans les applications réelles,
les bases de données possédent souvent des
milliers d’attributs. D’où l’impossibilité, en
pratique, de le parcourir exhaustivement.
Toutefois, certaines propriétés des requêtes
d’extraction, par rapport à la relation de
généralisation/spécialisation, fournissent
des critères d’élagages rendant possible un
parcours optimisé de l’ensemble des motifs.
Pour tout ensemble de données D ∈ D et
pour tout couple de motifs (ϕ1 , ϕ2 ) ∈ L × L,
nous dirons qu’un prédicat de sélection q est :
– monotone, si :
(ϕ1  ϕ2 ∧ q(ϕ1 , D)) ⇒ q(ϕ2 , D) ;
– anti-monotone, si :
(ϕ1  ϕ2 ∧ q(ϕ2 , D)) ⇒ q(ϕ1 , D).
 Apriori [1], le plus célèbre des algorithmes
d’extraction de motifs fréquents, est une ins-
tance de l’algorithme générique de Mannila et
Toivonen [27]. Son efficacité repose, essentiel-
lement, sur l’utilisation de l’anti-monotonie
de la contrainte de fréquence, pour parcourir
l’espace de recherche.
Les représentations condensées fournissent
une solution au problème du grand nombre
des motifs, dans l’extraction des motifs in-
téressants, en permettant l’obtention d’un
sous-ensemble de motifs de taille plus ré-
duite permettant leur régénération complète.
Sans reprendre la définition formelle donnée
dans [26], nous retiendrons les caractéristiques
fondamentales des représentations condensées
dans la définition suivante :
Définition 2 (Représentation condensée).
Etant donné un ensemble de motifs L ⊆ L. On
appelle représentation condensée exacte de L
tout ensemble X qui est à la fois :
– succinct : la taille de X est très réduite
par rapport à celle de L ;
– exact : l’ensemble X permet de regénérer
tous les motifs de L ainsi que la valeur de
toute mesure sur ceux-ci, sans accès aux
données initiales.
Dans ce travail, nous ne prendrons pas en
compte de mesures associées aux motifs. Nous
cherchons à condenser la théorie résultante
d’une requête q quelconque présentée sous
forme d’une collection de motifs, comme dans
l’exemple suivant :
Exemple 1. Considérons un ensemble d’ar-
ticles, noté Items = {A, B, C, D, E, F }, dans
le cadre des bases de données transaction-
nelles. Soit L = 2Items l’ensemble de tous
les motifs (itemsets) possibles. Par la suite,
un motif est représenté par la concaténa-
tion des items qu’il contient, i.e. le motif
{A, C, E} est noté plus simplement ACE.
Soit alors L ⊆ L l’ensemble des mo-
tifs {A, C, D, AB, AC, AD, BC, ABC, BDE,
BCDE, BDEF, BCDEF }.
2.2 Etat de l’art
Différentes sortes de représentations
condensées ont été proposées dans la littéra-
ture. On peut citer, dans le cas le plus étudié
des motifs fréquents, les motifs clés [2] (ou
libres [4] ou générateurs [23]), les fermés [34],
les libres disjonctifs [6], les motifs non dé-
rivables [8], les motifs k-libres [9]. Casali
et al. [10, 11] ont dernièrement introduit
le concept de motif essentiel. Ces travaux
spécifiques aux requêtes relatives à la fré-
quence ne peuvent donc pas être exploités
pour condenser la réponse d’une requête
quelconque.
De nombreux travaux portent sur la
condensation d’ensembles solutions et les
résultats se présentent alors, soit sous forme
de collections de motifs, soit comme des
réunions d’espaces de versions. Les motifs
intéressants les plus spécifiques (resp. les plus
généraux) constituent la bordure positive de
l’ensemble solution, pour une requête anti-
monotone (resp. monotone). Ces ensembles de
motifs suffisent pour regénérer complètement
les motifs intéressants par rapport à une
requête d’extraction monotone ou antimo-
notone. Lorsque celle-ci est une conjonction
q = q1 ∧ . . . ∧ qn où pour tout i ∈ {1, . . . , n}, qi
est un prédicat monotone ou anti-monotone,
De Raedt et al. [35] montrent que son en-
semble solution est un espace de versions et
donnent un algorithme le calculant. Leurs
principaux résultats sont systématisés par
Lee [25] qui introduit les espaces de versions
généralisés. Dans le cas de requêtes simples
ou de séquences de requêtes booléennes
formées de conjonctions et de disjonctions
de prédicats monotones ou anti-monotones,
des représentations condensées combinant à
la fois motifs fermés, motifs clés et espaces
de versions sont proposées dans [15, 16, 17].
En 2005, Mielikäinen [29] a présenté dans sa
thèse plusieurs techniques de condensation
d’une collection de motifs.
D’autres propositions ont fourni en sor-
tie des listes d’intervalles. Tout d’abord,
DualMiner [5] fut le premier algorithme
à utiliser simultannément des contraintes
monotones et anti-monotones pour éla-
guer l’espace de recherche. Etant donné
une requête d’extraction q, conjonction
d’un prédicat monotone et d’un prédicat
anti-monotone, il retourne un ensemble d’in-
tervalles X = {[ϕ1 , γ1 ], . . . , [ϕn , γn ]} tel que
l’ensemble solution de q est la réunion des
intervalles [ϕi , γi ], (i = 1, . . . , n). Toutefois,
le nombre d’intervalles obtenus n’est pas
toujours minimal.
Plus récemment, avec Music-DFS [40],
Soulet a proposé un algorithme d’extraction
de motifs sous contraintes qui parcourt
l’espace de recherche en considérant des inter-
valles de motifs. Cet algorithme extrait une
collection d’intervalles sans chevauchement
formant une représentation condensée des
motifs satisfaisant des contraintes variées.
Néanmoins, l’ensemble d’intervalles extraits
est à nouveau de taille très supérieure à la
représentation minimale. A la différence de
ces méthodes, les représentations condensées
fondées sur des intervalles que nous proposons
dans la suite, sont minimales.
De manière générale, notre approche se dis-
tingue par le fait de ne pas extraire directe-
ment une représentation condensée, et de se
positionner en aval des méthodes d’extraction
afin de pouvoir traiter n’importe quel résultat
de requête.
3 Formulation du problème
Dans ce travail, nous considérons des bases
de données transactionnelles, l’espace de re-
cherche L est donc le treillis des parties d’un
ensembles d’articles (les items). Il est muni de
la relation d’inclusion et les motifs sont des
ensembles d’items (itemsets). Nous utiliserons
des intervalles selon le sens suivant :
Définition 3 (Intervalle de motifs). Soient
ϕ, γ ∈ L. L’ intervalle de motifs d’extrémités
ϕ et γ, noté [ϕ, γ], est défini par :
[ϕ, γ] = {ζ ∈ L | ϕ ⊆ ζ ⊆ γ}
Par exemple, [A, ABC] correspond à l’en-
semble de motifs {A, AB, AC, ABC}.
Un intervalle de motifs possède donc la
capacité de désigner un grand nombre de
motifs, par la seule donnée de ses bornes. Ce
qui le rend intéressant pour la manipulation
des grands ensembles de motifs.
Notations. Soit L ⊆ L un ensemble de
motifs, Int(L) l’ensemble des intervalles in-
clus dans L et X ⊆ Int(L). Si X =
{[ϕ1 , γ1 ], . . . , [ϕn , γn ]}, on notera X l’ensemble
[n
des motifs définis par X = [ϕi , γi ].
i=1
Par une représentation d’un ensemble par
un autre, nous entendons, non seulement, la
possibilité d’établir une correspondance bijec-
tive entre ces ensembles, mais aussi, le pouvoir
de coder un ensemble par un autre plus com-
pact tel qu’on puisse stocker et/ou manipuler
l’ensemble initial plus efficacement.
Définition 4 (Représentation basée sur un
ensemble). Soit L ⊆ L un ensemble de mo-
tifs et X ⊆ Int(L) tel que X = L. On ap-
pelle représentation de L basée sur X, tout en-
semble d’intervalles Y ⊆ X vérifiant : Y = L.
Lorsque Y est de cardinalité minimale, elle est
dite minimale.
 Lorsqu’on parle de représentation sans
préciser la base, il s’agit d’une représentation
basée sur tous les intervalles (à savoir Int(L)).
Dans ce papier, étant donné un ensemble
de motifs L ⊆ L, le problème posé est celui
de trouver une représentation minimale de L
par des intervalles.
Construire tous les sous-ensembles de
Int(L) et en choisir un de plus petite taille
n’est pas toujours envisageable, face au grand
nombre d’intervalles qu’on peut former à par-
tir de L. Face à cette difficulté, nous recher-
chons les représentations minimales basées sur
un sous-ensemble de Int(L), celui des inter-
valles maximaux (appelés noyaux ).
Définition 5 (Noyau). Soit L ⊆ L un en-
semble de motifs. On appelle noyau de L tout
intervalle maximal (au sens de l’inclusion)
dans L. On note N (L) l’ensemble des noyaux
de L.
Cette reformulation du problème est perti-
nente, car l’ensemble des noyaux est en général
très réduit par rapport à l’ensemble de tous les
intervalles. Mieux, nous avons :
Propriété 1. Soit L ⊆ L un ensemble de mo-
tifs. Une représentation minimale de L basée
sur N (L) est une représentation minimale de
L basée sur Int(L).
Démonstration. Soit L ⊆ L et X ⊆ Int(L)
tel que X = L. Notons kXk la taille com-
mune des représentations minimales de L ba-
sées sur X. On montre que : kN (L)k ≤ kXk.
En effet, soit Z une représentation minimale
de L basée sur X. Posons Z = {I1 , . . . , In }.
Comme Z ⊆ X, pour chaque k ∈ {1, . . . , n},
il existe un noyau Nk ∈ N (L) tel que Ik ⊆ Nk .
On a donc N = {N1 , . . . , Nn } qui est une re-
présentation de L basée sur N (L). Comme
kN (L)k ≤ |N | et |N | = |Z| = kXk, on a
bien kN (L)k ≤ kXk.
Il en découle que la taille d’une représenta-
tion minimale de L basée sur l’ensemble de
ses noyaux N (L) est toujours inférieure ou
égale à la taille d’une représentation minimale
de L basée sur un ensemble X ⊆ Int(L). Il
s’en suit que kN (L)k ≤ kInt(L)k, en prenant
X = Int(L).
Le deuxième sens de cette inégalité est trivial.
En effet, puisque N (L) ⊆ Int(L), toute repré-
sentation, minimale ou non, basée sur N (L)
est également une représentation basée sur
Int(L). Donc kInt(L)k ≤ kN (L)k.
On en déduit que kN (L)k = kInt(L)k. D’où
la Propriété 1.
Cette propriété démontre toute l’impor-
tance du concept de noyau, dans notre ap-
proche. Aussi, notre stratégie de résolution se
décline en deux étapes : étant donné un en-
semble de motifs L ⊆ L,
1. Déterminer tous les noyaux de L à par-
tir d’un ensemble quelconque d’intervalles
X ⊆ Int(L) tel que X = L (cf. Sec-
tion 4).
2. Chercher un sous-ensemble de noyaux de
cardinalité minimale (cf. Section 5).
Notons que le problème posé est une ins-
tance particulière du problème classique de re-
cherche d’une couverture par ensembles (set
covering problem) dont la résolution exacte est
N P -difficile [13], pour s ≥ 3 (où s est la taille
du plus grand ensemble considéré). Nous en
proposons ici une résolution exacte, lorsque les
ensembles considérés sont des sous-treillis [7]
du treillis des parties d’un ensemble d’items.
4 Construction des noyaux
Dans cette section, nous donnons deux
propriétés fondamentales des intervalles de
motifs permettant de définir un opérateur qui
détermine (s’il existe) l’intervalle maximal
intersectant chacun de ses opérandes. Ensuite,
nous proposons un algorithme d’obtention
des noyaux d’un ensemble de motifs donné.
4.1 Propriétés des intervalles de motifs
Les opérations ensemblistes habituelles (in-
clusion, intersection et différence) sont bien
définies pour les intervalles de motifs. Cepen-
dant la réunion d’intervalles n’est pas toujours
un intervalle. La Propriété 2 suivante (tirée de
[5]) indique dans quel cas, la fusion de deux
intervalles en un seul ou la subdivision d’un
intervalle en deux intervalles disjoints, est réa-
lisable.
Propriété 2 (Fusion et division). [5] Soient
I = [ϕ, γ], I1 = [ϕ1 , γ1 ] et I2 = [ϕ2 , γ2 ] trois
intervalles de motifs. Alors I = I1 ∪ I2 avec
I1 ∩ I2 = ∅ si et seulement si, il existe un item
ζ ∈ γ \ ϕ, tel que :
1. I1 = [ϕ, γ \ {ζ}] et I2 = [ϕ ∪ {ζ}, γ] ; ou
symétriquement,
2. I1 = [ϕ ∪ {ζ}, γ] et I2 = [ϕ, γ \ {ζ}].
Lorsque l’intersection de deux intervalles de
motifs est non vide, nous dirons que l’un em-
piéte sur l’autre. Soit I1 et I2 deux intervalles
de motifs. Considérons J un intervalle qui em-
piéte sur I1 et I2 , égal à l’union de deux sous-
intervalles de I1 et I2 . La propriété suivante
montre alors que J est inclus dans un inter-
valle maximal, union de deux sous-intervalles
de I1 et I2 , empiétant sur I1 et I2 . Ce résultat
fournit, en même temps, cet intervalle maxi-
mal.
Propriété 3 (Empiètement). Soient I1 =
[ϕ1 , γ1 ] et I2 = [ϕ2 , γ2 ] tels que I1 6⊆ I2 et
I2 6⊆ I1 . Soit J1 un sous-intervalle de I1 et J2
un sous-intervalle de I2 . Si J = J1 ∪ J2 est un
intervalle tel que J 6⊆ Ii pour i = 1, 2, alors
l’une des propriétés suivantes est vérifiée :
1. J1 ⊆ [(ϕ1 ∪ ϕ2 ) \ {ζ}, γ1 ∩ γ2 ] ⊆ I1 et
J2 ⊆ [ϕ1 ∪ ϕ2 , (γ1 ∩ γ2 ) ∪ {ζ}] ⊆ I2 où ζ
est l’unique élément de (ϕ2 \ϕ1 )∩(γ2 \γ1 ).
2. J1 ⊆ [ϕ1 ∪ ϕ2 , (γ1 ∩ γ2 ) ∪ {ζ}] ⊆ I1 et
J2 ⊆ [(ϕ1 ∪ ϕ2 ) \ {ζ}, γ1 ∩ γ2 ] ⊆ I2 où ζ
est l’unique élément de (ϕ1 \ϕ2 )∩(γ1 \γ2 ).
De plus, dans les deux cas :
J ⊆ [(ϕ1 ∪ ϕ2 ) \ {ζ}, (γ1 ∩ γ2 ) ∪ {ζ}] ⊆ I1 ∪ I2 .
Démonstration. Si J = J1 ∪ J2 avec J1 ∩ J2 =
∅, est un intervalle tel que J = [α, β], alors il
existe ζ ∈ β \α tel que J1 = [α, β \{ζ}] et J2 =
[α ∪ {ζ}, β], ou inversement J1 = [α ∪ {ζ}, β]
et J2 = [α, β \ {ζ}] (Propriété 2). Les deux
cas étant symétriques, on ne considérera que
le premier cas.
J1 ⊆ I1 et J2 ⊆ I2 impliquent respecti-
vement que ϕ1 ⊆ α ⊆ (β \ {ζ}) ⊆ γ1 et
ϕ2 ⊆ (α ∪ {ζ}) ⊆ β ⊆ γ2 . Par conséquent,
on a ϕ1 ⊆ α ⊆ (α ∪ {ζ}) et ϕ2 ⊆ (α ∪ {ζ}),
ce qui implique que (ϕ1 ∪ ϕ2 ) ⊆ (α ∪ {ζ}) et
(ϕ1 ∪ ϕ2 ) \ {ζ} ⊆ α.
De même, on a (β \ {ζ}) ⊆ γ1 et (β \ {ζ}) ⊆
β ⊆ γ2 , ce qui implique que (β \ {ζ}) ⊆
(γ1 ∩ γ2 ) et β ⊆ (γ1 ∩ γ2 ) ∪ {ζ}. On en déduit
directement que J1 ⊆ [(ϕ1 ∪ ϕ2 ) \ {ζ}, γ1 ∩ γ2 ]
et J2 ⊆ [ϕ1 ∪ ϕ2 , (γ1 ∩ γ2 ) ∪ {ζ}].
Montrons maintenant que ζ ∈ (ϕ2 \ ϕ1 ) ∩
(γ2 \γ1 ). Tout d’abord (α∪{ζ}) ⊆ γ2 implique
que ζ ∈ γ2 . Supposons que ζ ∈ γ1 . On a alors
ϕ1 ⊆ α ⊆ (β \ {ζ}) ⊆ β ⊆ γ1 , ce qui contredit
que J 6⊆ I1 . Par conséquent, on a ζ 6∈ γ1 et
ζ ∈ γ2 , i.e ζ ∈ (γ2 \ γ1 ). D’un autre côté, ζ ∈
β \ α implique que ζ 6∈ α. Comme ϕ1 ⊆ α, on
en déduit que ζ 6∈ ϕ1 . Supposons que ζ 6∈ ϕ2 .
Dans ce cas, comme ϕ2 ⊆ (α ∪ {ζ}), on aurait
ϕ2 ⊆ α ⊆ β ⊆ γ2 , ce qui contredit que J 6⊆ I2 .
Par conséquent, on a ζ ∈ ϕ2 et ζ 6∈ ϕ1 , i.e
ζ ∈ (ϕ2 \ ϕ1 ). Nous avons donc démontré que
ζ ∈ (ϕ2 \ ϕ1 ) ∩ (γ2 \ γ1 ).
Il reste à démontrer que ζ est unique. Si ζ
n’est pas unique, soit ζ1 et ζ2 deux éléments
de (ϕ2 \ ϕ1 ) ∩ (γ2 \ γ1 ). ζ1 et ζ2 appartiennent
aussi à β \ α. On en déduit que si ζ2 6= ζ1 ,
alors ζ2 ∈ (β \ {ζ1 }). Par conséquent, comme
(β \ {ζ1 }) ⊆ γ1 , on en déduit que ζ2 ∈ γ1 ,
ce qui est contradictoire avec l’hypothèse que
ζ2 ∈ (ϕ2 \ ϕ1 ) ∩ (γ2 \ γ1 ). Par suite, ζ1 ne peut
être différent de ζ2 ce qui prouve l’unicité de
ζ dans (ϕ2 \ ϕ1 ) ∩ (γ2 \ γ1 ).
Définissons, à présent, l’opérateur ⊗, qui
donne, lorsqu’il existe, l’intervalle maximal
empiétant sur chacun de ses opérandes.
Définition 6 (Empiétant maximal). Soient
I1 = [ϕ1 , γ1 ] et I2 = [ϕ2 , γ2 ] tels que (ϕ2 \
ϕ1 ) ∩ (γ2 \ γ1 ) = {ζ} et (ϕ1 ∪ ϕ2 ) \ {ζ} ⊆
(γ1 ∩ γ2 ) ∪ {ζ}. On appelle empiétant maxi-
mal sur I1 et I2 , l’intervalle noté I1 ⊗I2 , défini
par : I1 ⊗ I2 = [(ϕ1 ∪ ϕ2 ) \ {ζ}, (γ1 ∩ γ2 ) ∪ {ζ}].
Notons que ⊗ n’est pas commutative.
Mieux, lorsque I1 ⊗ I2 est un intervalle, son
symétrique I2 ⊗ I1 n’est pas défini.
Lorsque I1 ⊗I2 est défini et qu’en plus I1 ∪I2
est un intervalle, alors :
I1 ⊗ I2 = I1 ∪ I2 .
Exemple 2. Considérons I1 = [A, ABC],
I2 = [ACD, ABCDE], I3 = [AD, ABCD], et
I4 = [E, EF ]. Alors I1 ⊗ I2 = [AC, ABCD],
I1 ⊗I3 = [A, ABCD] et I1 ⊗I4 n’est pas défini.
On notera aussi que I1 ⊗ I3 correspond exac-
tement à la réunion I1 ∪ I3 , mais ce n’est pas
le cas de I1 ⊗ I2 .
C’est sur cet opérateur que repose l’algo-
rithme de détermination des noyaux d’un
ensemble de motifs.
4.2 Algorithme de construction des
noyaux
NOYAUX (cf. Algorithme 1) détermine
tous les noyaux d’un ensemble de motifs
L ⊆ L, à partir d’un ensemble d’intervalles
X couvrant tous les motifs de L. Cet algo-
rithme est principalement basé sur l’opérateur
⊗ permettant de calculer l’empiétant maxi-
mal sur deux intervalles. A chaque itération,
NOYAUX ajoute à un ensemble de noyaux
candidats Xi tous les empiétants maximaux
obtenus par composition des noyaux candidats
déterminés à l’étape précédente (ligne 5). Il re-
tourne ensuite les intervalles maximaux dans
Xi (ligne 7). NOYAUX s’arrête lorsque plus
aucun nouveau noyau n’est construit (ligne 9).
Algorithme 1 NOYAUX(X)
Entrée : Un ensemble X = {I1 , . . . , IN }
d’intervalles Ii (i ∈ [1, N ])
Sortie : L’ensemble N (X) des noyaux de X
1: let X0 = max⊆ (X) and Y = X0
2: let i = 0
3: do
4: i=i+1
5: Y = {I ⊗ I ′ | I ∈ Xi−1 , I ′ ∈ Y
6: et I ⊗ I ′ est défini}
7: Xi = max⊆ (Xi−1 ∪ Y )
8: Y = Y ∩ Xi
9: while (Xi 6= Xi−1 )
10: return Xi
Exemple 3. Considérons l’ensemble
des motifs de l’Exemple 1 et sa re-
présentation suivante : X = {[A, AD],
[A, ABC], [C, BC], [D, AD], [BDE, BCDE],
[BDEF, BCDEF ]}.
L’exécution de NOYAUX retourne l’ensemble
de ses noyaux : N (X) = { [A, ABC], [A, AD],
[C, ABC], [D, AD], [BDE, BCDEF ]}.
Afin de démontrer que l’algorithme
NOYAUX permet de calculer tous les noyaux
recherchés, on commence par introduire la
notion d’arbre de décomposition d’un noyau.
On démontre ensuite trois lemmes avant
d’énoncer dans le Théorème 1 la complétude
et la correction de NOYAUX.
Par la suite, étant donné un ensemble X
d’intervalles, notons S(X) l’ensemble de tous
les sous-intervalles des intervalles de X, i.e
S(X) = {I ∈ Int(X) | ∃I ′ ∈ X : I ⊆ I ′ }
Définition 7 (Arbre de décomposition). Soit
X un ensemble d’intervalles, et I un intervalle
inclus dans X. Un arbre de décomposition A
de I selon X est un arbre binaire dont l’en-
semble des nœuds, notés nik et associés à des
intervalles Iki ⊆ I, est tel que :
– Le nœud racine de A, noté n10 , est associé
à l’intervalle I01 = I.
– Si nik est un nœud de A, alors :
– soit Iki appartient à S(X). Dans ce cas,
nik n’a pas de fils.
– soit Iki = [ϕik , γki ] n’appartient pas à
S(X). Dans ce cas, nik a deux fils notés
2i−1
nk+1 et n2i i i
k+1 , et il existe ζ ∈ (γk \ ϕk )
2i−1 i i
tel que Ik+1 = [ϕk , γk \ {ζ}] est l’inter-
2i−1 2i
valle associé à nk+1 , et Ik+1 = [ϕik ∪
{ζ}, γki ] est l’intervalle associé à n2i
k+1 .
Par la suite, on note A(I, X) l’ensemble des
arbres de décomposition possibles de I selon
X.
Par construction, notons que pour tout
arbre de décomposition A ∈ A(I, X) et
tout nœud nik ∈ A, si nik a deux fils, alors
2i−1
Iki = Ik+1 2i
∪ Ik+1 . De plus, I est égal à l’union
des intervalles des feuilles de A, tous ces
intervalles étant disjoints. Un exemple d’arbre
de décomposition est donné sur la Figure 1.
I = (I21 ∪ (I33 ∪ I34 )) ∪ (I23 ∪ (I37 ∪ I38 ))
Fig. 1 – Arbre de décomposition d’un noyau
Dans le Lemme 1, on énonce deux propriétés
de base de NOYAUX.
Lemme 1. L’algorithme NOYAUX vérifie les
deux propriétés suivantes.
1. Pour tout entier i ≥ 0, si Xi est calculé,
alors Xi = X.
2. Étant donné un intervalle I, s’il existe un
entier i ≥ 0 tel que I ∈ S(Xi ), alors pour
tout Xj calculé, si j > i, alors I ∈ S(Xj ).
Démonstration. La première propriété du
lemme peut être démontrée par induction.
Tout d’abord, il est aisé de vérifier que pour
tout ensemble d’intervalles Z, max⊆ (Z) = Z.
Par conséquent, on a X0 = X. Supposons
maintenant que Xi−1 = X et montrons que
Xi = X. Pour toute paire d’intervalles I1 et
I2 , I1 ⊗ I2 ⊆ I1 ∪ I2 . Il est ainsi aisé de véri-
fier que Xi = max⊆ (Xi−1 ∪ Y ) = Xi−1 ∪ Y =
Xi−1 = X.
La deuxième propriété du lemme découle
simplement de l’étape 7 de l’algorithme
NOYAUX. En effet, si I ∈ S(Xi ), alors I ∈
S(Xi ∪ Y ). Par conséquent, comme Xi+1 =
max⊆ (Xi ∪ Y ), on a I ∈ S(Xi+1 ). Par récur-
rence, il en découle que I ∈ S(Xj ) pour tout
j > i.
La racine d’un arbre binaire étant de ni-
veau zéro, la hauteur de l’arbre correspond au
nombre de niveaux augmenté d’une unité. Le
second lemme s’énonce alors comme suit :
Lemme 2. Soient X un ensemble d’inter-
valles, un noyau N ∈ N (X) et A ∈ A(N, X)
un arbre de décomposition de A de hauteur
K + 1. Si Zk est l’ensemble des intervalles de
niveau k de A, alors Zk contient uniquement
des sous-intervalles d’intervalles de l’ensemble
XK−k construit par l’algorithme NOYAUX
i.e.
Zk ⊆ S(XK−k ) (Pk )
De plus, N appartient à XK .
Démonstration. Démontrons ce lemme par
induction en commençant par vérifier que
la propriété PK est vraie. Par définition,
tous les intervalles des feuilles d’un arbre
de décomposition d’un intervalle sont des
éléments de S(X), donc de S(X0 ), ce qui
montre que ZK ⊆ S(X0 ) et que PK est vraie.
Supposons maintenant que la propriété
Pk+1 est vraie, et montrons que Pk est vraie.
Soit Iki ∈ Zk , on distingue deux cas de figure :
1. Si Iki est une feuille de l’arbre de dé-
composition A de N , cela signifie que Iki
est un sous-intervalle d’un intervalle de
X, donc de X0 . Par conséquent, d’après
le Lemme 1, on en déduit que Iki ∈
S(XK−k ).
2. Si Iki n’est pas une feuille de l’arbre de
2i−1
décomposition A de N , alors Iki = Ik+1 ∪ vantes. Par conséquent, si N est un noyau tel
2i
Ik+1 . Comme Pk+1 est vraie, on a :
2i−1
– Ik+1 ⊆ J1 avec J1 ∈ XK−(k+1) , et
2i
– Ik+1 ⊆ J2 avec J2 ∈ XK−(k+1) .
De plus J1 6⊆ J2 et J2 6⊆ J1 .
On peut maintenant distinguer les deux
sous-cas suivants :
– Si Iki n’est pas inclus dans J1 et J2 , alors
d’après la Propriété 3, on a : Iki ⊆ J1 ⊗
J2 ou Iki ⊆ J2 ⊗ J1 , ce qui montre en
examinant l’étape 5 de NOYAUX que
Iki sera un sous-invervalle de XK−k .
– Si Iki est inclus dans J1 ou J2 qui sont
des éléments de XK−(k+1) , on a Iki ∈
S(XK−(k+1) ). Par conséquent, d’après
le Lemme 1, on a Iki ∈ S(XK−k ).
En résumé, on vient de montrer que tout
intervalle Iki de Zk appartient à S(XK−k ), ce
qui montre que la propriété Pk est vraie et
termine la preuve de la première partie du
Lemme 2.
Démontrons maintenant que N ∈ XK .
D’après la première partie du Lemme 2, on a
Z0 = {I01 = N } ⊆ S(XK ), ce qui signifie qu’il
existe I ∈ XK tel que N ⊆ I. Par ailleurs,
d’après le Lemme 1, on a I ⊆ X. Comme N
est un noyau (ce qui signifie qu’il est maxi-
mal dans X), il en découle nécessairement que
I = N et donc que N appartient à XK .
Le Lemme 2 montre que tout noyau est
construit si l’algorithme NOYAUX effectue
un nombre suffisant d’itérations. Le Lemme 3
montre que l’algorithme NOYAUX ne peut
pas s’arrêter prématurément.
Lemme 3. L’algorithme NOYAUX est tel que
pour tout noyau N , si N n’appartient pas à Xi
alors l’algorithme ne s’arrête pas, i.e s’il existe
N ∈ N (X) tel que N ∈ / Xi , alors Xi 6= Xi−1 .
Démonstration. Il est aisé de vérifier que si
un noyau est construit par NOYAUX, alors
il ne peut être supprimé aux itérations sui-
que N ∈ / Xi , alors on a également N ∈ / Xi−1 .
Soit A un arbre de décomposition de N se-
lon Xi−1 . Puisque N ∈ / Xi−1 , cet arbre pos-
sède nécessairement deux feuilles de même
2i−1 2i
père. Soient Ik+1 et Ik+1 les intervalles as-
sociés à ces deux feuilles. Par définition de
A, le père des deux feuilles est associé à l’in-
2i−1 2i
tervalle Iki = Ik+1 ∪ Ik+1 . De plus, il existe
2i−1
I1 et I2 dans Xi−1 tels que Ik+1 ⊆ I1 et
2i
Ik+1 ⊆ I2 . Lors de la construction de Xi à par-
tir de Xi−1 , I1 ⊗ I2 est ajouté à Y à l’étape 5
de NOYAUX. Par conséquent, il existe I ∈ Xi
tel que Iki ⊆ I1 ⊗ I2 ⊆ I. Comme I ne peut
appartenir à Xi−1 (sinon Iki serait une feuille
de A), il en découle que Xi 6= Xi−1 , ce qui
termine la preuve du Lemme 3.
En utilisant les Lemmes 1, 2 et 3, on peut
maintenant prouver le théorème suivant.
Théorème 1. L’algorithme NOYAUX est
complet, correct et se termine au bout d’un
nombre d’itérations borné par :
max { min (hauteur(A))}
N ∈N (X) A∈A(N,X)
Démonstration. La complétude de NOYAUX
découle directement des Lemmes 2 et 3 qui
montrent que tous les noyaux sont construits.
De plus, le Lemme 2 montre que le nombre
d’itérations nécessaires pour déterminer tout
noyau N est borné par hauteur(A) où A est
n’importe quel arbre de décomposition de N
selon X. Par conséquent, il existe un entier
i ≤ maxN ∈N (X) {minA∈A(N,X) (hauteur(A))}
tel que N (X) ⊆ Xi .
L’étape 7 de NOYAUX implique que Xi ne
peut contenir que des intervalles maximaux.
Par conséquent, on a N (X) = Xi , ce qui
montre que NOYAUX est correct. Enfin, il
est aisé de vérifier que si Xi = N (X), alors
Xi+1 = Xi . En effet, tous les intervalles insé-
rés dans Y lors de la construction de Xi+1 sont
nécessairement inclus dans un noyau. On en
déduit ainsi que NOYAUX s’arrête toujours
au bout d’un nombre fini d’itérations.
5 Construction d’une représen-
tation minimale
Dans cette section, nous donnons un algo-
rithme de construction d’une représentation
minimale basée sur un ensemble d’intervalles
quelconque. Ainsi, nous pouvons déterminer
une représentation minimale d’un ensemble de
motifs L basée sur l’ensemble de ses noyaux
N (L) obtenu avec l’algorithme NOYAUX de
la section précédente.
Nous commençons par établir deux proprié-
tés des intervalles de motifs (donc également
applicables aux noyaux) permettant de
réduire assez efficacement le nombre d’in-
tervalles candidats. Ensuite, un algorithme
de type séparation et évaluation (branch
and bound ) qui construit une représentation
minimale basée sur un ensemble d’intervalles
fourni en entrée, est proposé. Dans la der-
nière partie de cette section, nous donnons
une propriété permettant d’optimiser cette
construction, grâce à une décomposition
en composantes connexes de l’ensemble des
intervalles candidats.
5.1 Réduction de l’espace de recherche
Soit L un ensemble de motifs et X ⊆ Int(L)
tel que X = L. En vue d’obtenir une repré-
sentation minimale de L basée sur X, les
Propriétés 4 et 5 suivantes permettent de
réduire l’espace de recherche.
Intuitivement, deux types d’intervalles
peuvent simplifier la résolution du problème :
(1) ceux qui appartiennent obligatoirement à
la représentation minimale cherchée (élagage
positif ) et (2) ceux que l’on peut éliminer
tout en garantissant l’obtention finale d’une
représentation minimale basée sur X (élagage
négatif ). Ces deux catégories d’intervalles
correspondent respectivement aux intervalles
essentiels, formalisés ci-dessous par la Pro-
priété 4, et aux intervalles superflus (cf.
Propriété 5). Dans ces deux propriétés, X est
un ensemble initial d’intervalles de motifs tel
que X correspond aux motifs à condenser et
Y une partie de la représentation minimale
basée sur X en construction.
Soit X un ensemble d’intervalles de motif et
ϕ ∈ X. Notons X/ϕ = {I ∈ X | ϕ ∈ I}.
Propriété 4 (Intervalle essentiel). Soient X,
Y deux ensembles d’intervalles et un motif
ϕ ∈ X\Y . Si X/ϕ = {I}, alors l’intervalle
I est dit essentiel relativement à X ∪ Y . De
plus, il appartient à toute représentation mi-
nimale de X ∪ Y basée sur X ∪Y et contenant
Y.
Démonstration. Soient X et Y deux en-
sembles d’intervalles et un motif ϕ ∈ X\Y
tel que X/ϕ = {I}. Soit Z ⊇ Y une représen-
tation minimale de X ∪ Y basée sur X ∪ Y .
Comme ϕ ∈ X ∪ Y , au moins un intervalle de
X ou Y doit couvrir ϕ. Or par définition de
ϕ, aucun intervalle de Y ne le couvre. Donc,
au moins un intervalle de X doit le couvrir.
Comme I est le seul intervalle le couvrant, on
a nécessairement I ∈ Z.
La Propriété 4 montre que si le motif
ϕ ∈ X\Y n’est couvert que par un seul
intervalle de X alors cet intervalle appartient
à toutes les représentations minimales de
X ∪ Y basées sur X ∪ Y contenant Y .
La Propriété 5 indique trois configurations
dans lesquelles éliminer un intervalle I, dit in-
tervalle superflu, n’empêche pas de pouvoir
compléter Y afin d’obtenir une représentation
minimale de X ∪ Y basée sur X ∪Y . Elles cor-
respondent aux cas suivants :
1. L’intervalle I est déjà couvert par un ou
plusieurs intervalles de la représentation
partielle Y . Il n’y a donc aucun intérêt à
ajouter I à Y .
2. La partie non couverte d’un intervalle Ii
est couverte par un autre intervalle Ij plus
grand. Plutôt que d’ajouter Ii à Y , il sera
toujours plus intéressant d’ajouter Ij qui
couvre plus de motifs.
3. Deux intervalles couvrent exactement les
mêmes motifs. Par conséquent, l’un des
doublons peut être éliminé sans affecter
la construction d’une représentation mi-
nimale.
Propriété 5 (Intervalle superflu). Soient
X = {I1 , . . . , In }, Y deux ensembles d’inter-
valles et un intervalle Ik ∈ X. Pour toute
représentation minimale Z basée sur X ∪ Y
contenant Y , il existe une représentation mi-
nimale Y ′ basée sur (X\Ik ) ∪ Y contenant Y
telle que Z = Y ′ si l’une des propriétés sui-
vantes est vérifiée :
1. Ik ⊆ Y ,
2. il existe j 6= k tel que Ik \Y ⊂ Ij \Y ,
3. il existe j < k tel que Ik \Y = Ij \Y .
Démonstration. Soient X = {I1 , . . . , In }, Y
deux ensembles d’intervalles et Ik ∈ X. Soit
Z une représentation minimale de X ∪ Y ba-
sée sur X ∪ Y telle que Y ⊆ Z.
Cas 1 : on a Ik ⊆ Y . Posons Y ′ = Z\{Ik }.
Alors, on a Y ⊆ Y ′ ⊆ (X\Ik ) ∪ Y et Y ′ =
(X\Ik ) ∪ Y = X ∪ Y car Ik ⊆ Y . On a
donc |Y ′ | ≤ |Z|. Or Z est une représentation
minimale de X ∪ Y basée sur X ∪ Y , donc
|Z| ≤ |Y ′ |. On en déduit que |Z| = |Y ′ | et
Y ′ est une représentation minimale de X ∪ Y
basée sur (X\Ik ) ∪ Y .
Cas 2 : il existe j 6= k tel que Ik \Y ⊂ Ij \Y .
Si Ik 6∈ Z, on peut directement conclure que
Z est une représentation minimale de X ∪ Y
basée sur X \ {Ik } ∪ Y telle que Y ⊆ Z ⊆
((X\Ik ) ∪ Y ). Sinon, on a Ik ∈ Z et on pose
Y ′ = Z\{Ik } ∪ {Ij }. On vérifie alors que Y ⊆
Y ′ ⊆ (X\Ik ) ∪ Y . On a Y ′ = Z\{Ik } ∪ {Ij } ⊇
Z car Ik \Y ⊂ Ij \Y . Or, comme Z = X ∪ Y et
Y ′ ⊆ X ∪ Y , on en conclut que Y ′ = X ∪ Y .
Enfin, comme Z est une représentation mini-
male de X ∪ Y basée sur X ∪ Y et que Y ′ est
de même taille que Z, Y ′ est également une
représentation minimale de X ∪ Y basée sur
(X\Ik ) ∪ Y .
Cas 3 : un raisonnement similaire au cas 2
permet de démontrer le cas 3.
5.2 Algorithme de construction d’une re-
présentation minimale
Etant donné L un ensemble de motifs et
X ⊆ Int(L) tel que X = L. Cette section
présente l’algorithme MINIMAL (cf. Algo-
rithme 2) qui construit récursivement une
représentation minimale de L basée sur X,
avec une méthode de type branch and bound.
Plus précisément, MINIMAL prend trois
arguments en entrée : l’ensemble des inter-
valles X restant à couvrir, Y une partie de la
représentation minimale de X ∪ Y basée sur
Algorithme 2 MINIMAL (X, Y, α) principales : une phase d’élagage pour réduire
Entrée : X = {I1 , . . . , In } ensemble des in- l’espace de recherche correspondant aux lignes
tervalles candidats, Y une partie de la 1 et 8, une phase d’arrêt (lignes 9 et 10) et
représentation minimale basée sur X en une phase exploratoire (lignes 11 à 18).
construction, α > |X| taille maximale de
la représentation recherchée Dans un premier temps, la phase d’élagage
Sortie : Ymin une représentation minimale de est répétée tant que le cardinal de X diminue
X basée sur X grâce aux Propriétés 4 (ligne 4) ou 5 (lignes 5-
// Elagage de l’espace de recherche 7). Les trois cas d’intervalles superflus sont
1: Xanc = ∅ repris, dans l’ordre, entre les lignes 5 à 7. Par
2: while X 6= Xanc do ailleurs, chaque intervalle ajouté à Y (ligne 4)
3: Xanc = X est de suite retiré de X (ligne 5).
4: Y = Y ∪ {Ik ∈ X|∃ϕ ∈ X\Y :
X/ϕ = {Ik }} Ensuite, MINIMAL s’arrête si la représen-
5: X = X\{Ik ∈ X|Ik ⊆ Y } tation en construction Y n’est pas de taille
6: X = X\{Ik ∈ X|∃j 6= k : satisfaisante puisqu’elle possède plus de α
Ik \Y ⊂ Ij \Y } intervalles (ligne 9). Cet échec se traduit par
7: X = X\{Ik ∈ X|∃j < k : le renvoi de l’ensemble vide. Au contraire, si
Ik \Y = Ij \Y } X est vide (ligne 10), cela signifie que tous les
8: od motifs sont couverts et par conséquent, MI-
// Conditions d’arrêt NIMAL retourne la représentation minimale
9: if |Y | ≥ α then return ∅ de X basée sur X.
10: if X = ∅ then return Y
// Exploration de l’espace de recherche Enfin, la phase d’exploration appelle récursi-
11: Ymin = ∅ vement MINIMAL, pour chaque intervalle Ik
12: for all Ik ∈ X do de X, en ajoutant Ik à Y . Le test (ligne 14)
13: Ycur =MINIMAL (X\{Ik }, Y ∪ {Ik }, α) garantit la conservation de la plus petite
14: if Ycur 6= ∅ and |Ycur | < α then représentation retournée. Par ailleurs, on
15: Ymin = Ycur prend soin de mettre à jour α (ligne 16) pour
16: α = |Ycur | améliorer l’élagage de l’espace de recherche.
17: end if
18: end for A la fin, la meilleure représentation (i.e celle
19: return Ymin contenant le moins d’intervalles) est retournée
ligne 19. On notera que cette dernière est égale
à l’ensemble vide lorsqu’aucune représentation
X ∪ Y en cours de construction et la taille de taille plus petite que α et contenant Y ne
maximale α d’une représentation minimale peut être trouvée.
de X ∪ Y basée sur X ∪ Y . Il retourne alors
soit une représentation Z de taille minimale Exemple 4. Partant de l’ensemble des
couvrant X ∪ Y (où Y ⊆ Z et |Z| < α), soit noyaux obtenus à l’Exemple 3, MINIMAL
l’ensemble vide (i.e., échec dans la construc- renvoie la représentation concise suivante :
tion d’une représentation minimale). Y = {[A, ABC], [C, ABC], [BDE, BCDEF ],
[D, AD] }. Ici, le noyau [A, AD] est superflu.
MINIMAL est composé de trois phases Le résultat suivant montre que
l’Algorithme 2 est correct :
Théorème 2 (Correction). Soit X un en-
semble d’intervalles et α > |X| un nombre
entier. MINIMAL (X, ∅, α) retourne une re-
présentation minimale de l’ensemble de motifs
X basée sur X.
Démonstration. Soit un ensemble d’intervalles
X. Dans un premier temps, ignorons les lignes
1 à 8. Intuitivement, l’Algorithme 2 corres-
pondrait alors à un algorithme branch and
bound qui énumère en profondeur tous les
sous-ensembles de X pour trouver une repré-
sentation minimale Ymin de X basée sur X.
Lors de la phase d’élagage de l’espace de re-
cherche MINIMAL ajoute dans Ymin les inter-
valles essentiels et retire de X les intervalles
superflus. Malgré cet élagage, à chaque étape,
les Propriétés 4 et 5 garantissent que Ymin
demeure une représentation minimale de X.
L’Algorithme 2 atteint donc cette solution et
la retourne.
Nous avons déja signalé que toute repré-
sentation minimale d’un ensemble de motifs
L basée sur l’ensemble de ses noyaux est
également une représentation minimale de L.
Aussi, pour en déterminer une, au lancement
de MINIMAL, il suffit que X coı̈ncide avec
l’ensemble N (L) de tous les noyaux de L, que
l’ensemble Y soit vide et α choisi strictement
supérieur à |X|. On obtient alors une repré-
sentation minimale de l’ensemble de motifs L.
5.3 Optimisation de la recherche d’une
représentation minimale
Soit L ⊆ L un ensemble de motifs et X ⊆
Int(L) tel que X = L. Posons :
F = {(Ij , Ik ) ∈ X × X | Ij ∩ Ik 6= ∅}
Considérons G = (X, F), le graphe non
orienté associé à L, dont les sommets sont
les intervalles de X et F l’ensemble de ses
arêtes. La Propriété 6 montre que la construc-
tion d’une représentation minimale de L basée
sur X peut s’effectuer séparément sur chaque
composante connexe du graphe G associé à X,
sans altérer le résultat final.
Propriété 6 (Décomposition en composantes
connexes). Soit X = X1 ∪ · · · ∪ Xk , vérifiant
pour tout i 6= j, Xi ∩ Xj = ∅, la décomposi-
tion en composantes connexes d’un ensemble
de motifs. Alors l’union des représentations
minimales des Xi basées sur les ensembles Xi
est une représentation minimale de X basée
sur X.
Démonstration. Soit X = X1 ∪ · · · ∪ Xk , véri-
fiant pour tout i 6= j, Xi ∩ Xj = ∅, la décom-
position en composantes connexes d’un en-
semble d’intervalles. Pour tout i ∈ {1, . . . , k},
soit Yi une représentation minimale de Xi ba-
sée sur Xi . Posons Y = Y1 ∪ · · · ∪ Yk . Tout
d’abord, on a Y1 ∪ · · · ∪ Yk = X1 ∪ . . . ∪Xk .
Or, par définition des composantes connexes
Xi , on a X1 ∪ · · · ∪ Xk = X. On a donc
Y = Y1 ∪ · · · ∪ Yk = X. Maintenant, sup-
posons que Y ne soit pas une représentation
de X basée sur X de cardinalité minimale.
Alors, il existe Y ′ , une représentation mini-
male de X basée sur X telle que |Y ′ | < |Y |.
Il s’en suit qu’il existe l ∈ {1, . . . , k} tel que
|Y ′ ∩ Xl | < |Yl |. Comme aucune autre compo-
sante connexe de X ne peut couvrir Xl , Y ′ ∩Xl
couvre entièrement Xl . Ce qui est impossible
car Yl est alors une représentation minimale
et pourtant elle est de taille strictement supé-
rieure. D’où la Propriété 6.
Dans la Propriété 6, comme les ensembles
d’intervalles Xi correspondent aux compo-
santes connexes de X, on notera qu’aucun in-
tervalle ne peut empiéter sur des intervalles
de deux composantes connexes distinctes. Ce
qui permet de subdiviser la construction d’une
représentation minimale basée sur X, et donc
facilite la résolution du problème.
 Données N K KΦ
Mushroom 50 40 à 120 0 40 0.4
Connect-4 50 40 à 110 0 30 0.5
Pumsb 50 200 à 7000 0
Pumsb* 50 200 à 7000 0
Fig. 2 – Données et paramètres des tests expérimentaux.
Exemple 5. L’ensemble des noyaux de
l’ensemble de motifs L considéré dans
l’Exemple 1 est constitué de deux compo-
santes connexes. On peut en effet voir que
N (L) peut s’écrire comme la réunion dis-
jointe des sous-ensembles de noyaux N1 =
{[A, ABC], [C, ABC], [A, AD], [D, AD]} et
N2 = {[BDE, BCDEF ]}.
MINIMAL renvoie alors les représentations
concises Y1 = {[A, ABC], [C, ABC], [D, AD]}
et Y2 = N2 . Leur réunion donne bien
la représentation minimale Y obtenue dans
l’Exemple 4.
6 Expérimentations
Les algorithmes que nous avons proposés
aux Sections 4 et 5 ont été implémentés en
C++. Dans cette section, nous décrivons
d’abord le cadre expérimental adopté. En-
suite, nous donnons les résultats obtenus.
6.1 Cadre expérimental
Dans nos expériences, nous utilisons le
système d’extraction itérative IncMiner pré-
senté dans [14] afin de générer des requêtes
inductives complexes et de calculer leurs
ensembles solutions. Ces derniers sont ensuite
utilisés en entrée des algorithmes NOYAUX
et MINIMAL, afin d’évaluer la pertinence de
notre approche pour condenser des représen-
tations de réponses à des requêtes inductives.
Plus précisément, étant donné un ensemble
d’items Items, le système d’extraction itéra-
KΓ a b ε
0.6 10%
0.6 5%
200 0.01 0.05 10%
200 0.01 0.05 10%
tive IncMiner permet de générer des requêtes
W
inductives booléennes de la forme : q = N i=1 qi
où chaque qi est une requête conjonctive de la
forme :
qi (ϕ, D) = (Φi ⊆ ϕ ⊆ Γi ) ∧
sup(ϕ, D) ∈ [ai , bi ]
où :
– Φi et Γi sont des itemsets constants ti-
rés aléatoirement de l’ensemble des items
Items. Plus précisément, étant donné
trois paramètres KΦ , KΓ et K du généra-
teur de requêtes tels que KΦ ≤ KΓ ≤ K,
les itemsets constants Φi et Γi sont ti-
rés aléatoirement dans un sous-ensemble
de taille K de Items tels que Φi ⊆ Γi ,
|Φi | = KΦ et |Γi | = KΓ . Notez que si
KΓ = K, alors tous les itemsets constants
Γi seront égaux. Par ailleurs, pour KΓ
constant, si K augmente, alors la proba-
bilité que Γi ∩ Γj (i 6= j) soit non vide
diminue.
– sup est la fonction classique de support,
|{ϕ′ ∈D | ϕ⊆ϕ′ }|
i.e. sup(ϕ | D) = |D|
.
– ai et bi sont des seuils minimaux
et maximaux de supports tirés aléa-
toirement. Plus précisément, étant
donnés les trois paramètres a, b et
ε du générateur de requête, ai et
bi sont tirés aléatoirement tels que
0 ≤ ai ≤ bi ≤ 1, (1 − ε)a ≤ ai ≤ (1 + ε)a
et (1 − ε)b ≤ bi ≤ (1 + ε)b.
Notons que chaque requête qi est la conjonc-
tion d’une requête motonone (Φi ⊆ ϕ) ∧
 K |X| |N (X)| |Ymin | gain % K |X| |N (X)| |Ymin | gain %
40 12 3 3 75 200 42 26 23 45
45 46 15 11 76 400 365 100 73 80
50 73 15 11 84 600 410 224 190 53
55 89 19 14 84 800 494 387 305 23
60 204 26 20 90 1000 473 337 316 33
70 297 56 36 87 2000 474 396 377 35
80 274 77 55 79 3000 515 463 418 18
90 299 94 74 75 4000 485 415 398 17
100 279 78 57 79 5000 699 679 587 16
110 313 137 86 72 6000 428 388 372 13
120 243 127 99 59 7000 523 484 466 10

Fig. 3 – Résultats avec Mushroom. Fig. 5 – Résultats avec Pumsb.

K |X| |N (X)| |Ymin | gain %

40 44 7 7 84 K |X| |N (X)| |Ymin | gain %
45 154 20 16 89 200 21 17 17 66
50 173 119 59 65 400 88 41 40 54
60 175 153 89 49 600 146 85 75 48
70 207 202 108 47 800 167 108 92 44
80 329 434 236 28 1000 219 150 128 41
85 536 623 354 33 2000 365 299 277 24
90 380 506 296 22 3000 385 332 319 17
95 722 680 426 40 4000 408 352 345 15
100 675 765 444 34 5000 419 369 358 14
110 654 727 438 33 6000 508 456 428 15
7000 459 422 416 9
Fig. 4 – Résultats avec Connect-4.
Fig. 6 – Résultats avec Pumsb*.

(sup(ϕ, D) ≤ bi ) et d’une requête anti-

monotone (ϕ ⊆ Γi ) ∧ (ai ≤ sup(ϕ, D)). Par
conséquent, la réponse T h(qi ) à une requête qi
est un espace de versions, représentable par
l’ensemble d’intervalles Xi = {[ϕ, γ] | ϕ ∈
G(qi ) ∧ γ ∈ S(qi )} où G(qi ) = min(T h(qi ))
et S(qi ) = max(T h(qi )) sont respectivement
les frontières basse et haute de T h(qi ).
De manièreW générale, la réponse à une
requête q = N i=1 qi n’est pas un espace de
versions, mais un espace de versions généra-
lisé [25]. Par ailleurs, pour le paramètre KΓ
constant, en augmentant la valeur de K, on
diminue la probabilité que les solutions des
requêtes qi soient disjointes.
Dans les expérimentations réalisées à la sec-
tion suivante, pour différents jeux de données
et valeurs de paramètres du générateur de re-
quêtes q, on évalue la taille des représentations
minimales obtenues par rapport à la taille de
l’ensemble d’intervalles X = ∪N i=1 Xi .
6.2 Résultats des tests
Nous avons généré des résultats de re-
quêtes complexes pour réaliser des tests sur
quatre bases de données transactionnelles
(Mushroom, Pumsb, Pumsb* et Connect-4 )
du répertoire du workshop FIMI’2003 1 .
La figure 2 récapitule les paramètres utilisés
sur chacune des bases de données considérées.
On notera que seul le paramètre K varie pour
une même base de données.
Les tableaux 3, 4, 5, 6 reportent les résul-
tats des tests effectués pour chaque base de
données en fonction de la variation de K.
Dans ces tableaux, le gain en compression est
le rapport |X|−|Y
|X|
min |
traduisant la proportion
des intervalles initiaux qui a été réduite.
On observe que le nombre de noyaux est
souvent inférieur (et parfois très inférieur) au
nombre d’intervalles de départ. En d’autres
termes, l’étape de construction des noyaux
élimine déjà des redondances présentes entre
les différents intervalles. Ce phénomène
s’accentue particulièrement sur des ensembles
d’intervalles conséquents. Par exemple, pour
K = 60 sur Mushroom, les 204 intervalles sont
transformés en seulement 26 noyaux. Néan-
moins, il peut arriver des cas où le nombre
de noyaux dépasse le nombre d’intervalles
de départ. C’est le cas sur Connect-4, pour
K = 80, 85, 90, 100, 110. Cela dépend donc des
transactions des bases de données rencontrées.
Bien entendu, la taille des représentations
minimales est toujours inférieure (ou égale) au
nombre des noyaux. L’une des plus fortes com-
pressions constatées est la taille de seulement
59 noyaux pour la représentation minimale de
Connect-4, lorsque K = 50, en partant de 119
noyaux. En comparant les tailles des repré-
1
Consulter http://fimi.cs.helsinki.fi/.
sentations minimales et des ensembles d’inter-
valles de départ, on constate en général des
gains de compression souvent assez élevés.
7 Conclusion
Nous avons présenté dans cet article la
notion de représentation minimale par des
intervalles qui est une forme de représenta-
tion condensée d’un ensemble quelconque
de motifs. Pour obtenir ces représentations,
notre approche basée sur deux étapes com-
mence par construire les noyaux qui sont les
intervalles maximaux inclus dans l’ensemble
de motifs considéré. Ensuite, un second
algorithme sélectionne une partie de ces
noyaux afin de constituer une représentation
minimale de l’ensemble de motifs considéré.
Les expérimentations démontrent que les
représentations minimales contiennent très
peu de noyaux par rapport à l’ensemble initial
d’intervalles.
Dans nos travaux à venir, nous voudrions
approfondir les expérimentations en calculant
des représentations minimales de résultats
de requêtes sur des bases de données réelles.
A terme, nous sommes très intéressés par
l’utilisation de ces représentations minimales
avec des intervalles dans un cadre itératif.
En particulier, nous avons l’intention de
calculer la réponse d’une nouvelle requête
en exploitant des représentations minimales
précédemment calculées.
Remerciements. M. L. Balde a bénéficié d’un
financement du projet SARIMA/LANI/INRIA et
remercie le Professeur Mary Teuw Niane de l’Uni-
versité Gaston Berger de Saint-Louis (Sénégal).
Références
[1] R. Agrawal and R. Srikant. Fast algorithms
for mining association rules in large data-
bases. In Proceedings of 20th International
Conference on Very Large Data Bases, Sep-
 tember 12-15, pages 487-499, Morgan Kauf-
mann, 1994.
[2] Y. Bastide, R. Taouil, N. Pasquier, G.
Stumme and L. Lakhal. Levelwise search of
frequent patterns with counting inference. In
16èmes journées de bases de données avan-
cées, 2000.
[3] J.-F. Boulicaut and A. Bykowski. Frequent
closures as a concise representation for bi-
nary data mining. In Lecture Notes in Arti-
ficial Intelligence, PaKDD’00, volume 1805,
pages 62-73, Kyoto(Japan), April 18-20,
Springer-Verlag, 2000.
[4] J.-F. Boulicaut, A. Bykowski and C. Rigotti.
Free-sets : a condensed representation of boo-
lean data for the approximation of frequency
queries. Data Mining and Knowledge Disco-
very, 7 (1), 5-22, 2003.
[5] C. Bucila, J. Gehrke, D. Kifer, and W. M.
White. Dualminer : A dual-pruning algo-
rithm for itemsets with constraints. Data Mi-
ning and Knowledge Discovery, 7(3) : 241-
272, 2003.
[6] A. Bykowski and C. Rigotti. A condensed
representation to find frequent patterns. In
PODS Int. Conf. Principles of Database Sys-
tems, 2001.
[7] B. A. Davey and H. A. Priestley. Introduc-
tion to lattices and order, Cambridge Uni-
versity Press, second edition, 2002.
[8] T. Calders et B. Goethals. Mining all non-
derivable frequent itemsets. In Proceedings of
the 6th European Conference on Principles
and Practice of Knowledge Discovery in Da-
tabases, PKDD 2002, LNCS, volume 2431,
pages 74-85, Springer 2002.
[9] T. Calders et B. Goethals. Minimal k-free
representations of frequent sets. In Proc. of
the 7th European Conference on Principles
and Practice of Knowledge Discovery in Da-
tabases, PKDD 2003, LNCS, volume 2838,
pages 71-82, Springer, 2003.
[10] A. Casali, R. Cicchetti, L.Lakhal et S. Lopes.
Motifs essentiels et inférence des fréquences.
In Proc. 20ème Journées Bases de Données
Avancées BDA’2004, Montpellier (France),
pages 535-554, Novembre 2004.
[11] A. Casali, R. Cicchetti, L. Lakhal et S.
Lopes. Couvertures parfaites des motifs fré-
quents. Numéro thématique Base de données
avancées pour XML et le web de la revue
Ingénierie des Systèmes d’Information (ISI),
10(2) :117-138, 2005.
[12] C. T. Diop. Etude et mise en oeuvre des as-
pects itératifs de l’extraction de règles d’as-
sociation dans une base de données. Thèse de
Doctorat, Université de Tours, France, 2003.
[13] M. R. Garey and D. S. Johnson. Computers
and Intractability : A Guide to the Theory
of NP-Completeness, Freeman, New York,
1979.
[14] A. Giacometti. Une contribution au dévelop-
pement de base de données inductives. Rap-
port d’Habilitation à Diriger des Recherches,
Laboratoire d’informatique (LI), Université
François-Rabelais de Tours, 2005.
[15] A. Giacometti, D. Laurent, and C. T. Diop.
Condensed representations for sets of mining
queries. In First ECML/PKDD-2002 Inter-
national Workshop on Knowledge Discovery
in Inductive Databases (KDID02), pages 5-
19, 2002.
[16] A. Giacometti, D. Laurent, and C. T. Diop.
Condensed representations for sets of mining
queries. In P.L. Lanzi and R. Meo, editors,
Database Support for Data Mining Applica-
tions, LNCS 2682, pages 250-269. Springer
Verlag, 2004.
[17] A. Giacometti, D. Laurent, and C. T. Diop.
Iterative computation of mining queries ba-
sed on condensed representations. In 19ièmes
journées de Bases de Données Avancées
(BDA2003), pages 187-206, 2003.
[18] C. A. Gunter, T.-H. Ngair, and D. Subrama-
nian. The common order-theoretic structure
of version spaces and ATMS’s. Artificial In-
telligence, 95(2) :357-407, 1997.
[19] H. Hirsh. Generalizing Version Spaces. Ma-
chine Learning, Vol. 17(1) : 5-46, 1994.
[20] H. Hirsh. Theoretical underpinnings of ver-
sion spaces. In Proc. of the 12th Interna-
tional Joint Conference on Artificial Intelli-
gence, Morgan Kaufmann, 1991.
[21] T. Imielinski and H. Mannila. A database
perspective on knowledge discovery. Coomu-
nications of the ACM, 39 (11) : 58-64, No-
vember 1996.
[22] B. Jeudy, J.-F. Boulicaut. Using conden-
sed representations for interactive associa-
tion rule mining. In Proc. of ECML/PKDD
2002, Helsinki, LNAI vol. 2431, pp. 225-236,
Springer-Verlag, 2002.
[23] M. Kryszkiewicz. Concise representation of
frequent patterns bases on disjunction-free
generators. In IEEE Int., Conf., on Data Mi-
ning, pages 305-312, 2001.
[24] S. D. Lee, L. De Raedt. An algebra for in-
ductive query evaluation. In Proceedings of
the 2nd International Workshop on Know-
ledge Discovery in Inductive Databases
(KDID’03), 2003.
[25] S. D. Lee. Constrained mining of patterns
in large databases. PhD Thesis, Albert-
Ludwigs-Universitat, Freiburg im Brisgau,
2005.
[26] H. Mannila, H. Toivonen. Multiple uses of
frequent sets and condensed representations.
In Proc. of the 2nd International Confe-
rence on Knowledge Discovery and Data Mi-
ning (KDD’96), pp. 189-194, Portland, USA,
1996.
[27] H. Mannila and H. Toivonen. Levelwise
search and borders of theories in knowledge
discovery, Data Mining and Knowledge Dis-
covery, Vol. 1(3) : 241-258, 1997.
[28] H. Mannila. Inductive databases and conden-
sed representations for data mining. In
ILPS’97, pages 21-30, 1997.
[29] T. Mielikäinen. Summarization Techniques
for Pattern Collections in Data Mining.
PhD Thesis. Report A-2005-1. Department
of Computer Science, University of Helsinki,
2005.
[30] T. Mitchell. Version Spaces : An Approach
to Concept Learning. PhD thesis, Stanford
University, 1978.
[31] T. Mitchell. Generalization as Search. Arti-
ficial Intelligence, Vol. 18 (2), pp. 203-226,
1980.
[32] T. Mitchell. Machine Learning. McGraw-
Hill, 1997.
[33] B. Nag, P. Deshpande and D.J. DeWitt.
Using a knowledge cache for interactive dis-
covery of association rules. In Proc. of
KDD’99, pp. 244-253, San Diego, USA, 1999.
[34] N. Pasquier, Y. Bastide, R. Taouil and L.
Lakhal. Discovering frequent closed itemsets
for association rules. In ICDT’99 : Procee-
ding of the 7th International Conference on
Database Theory, pages 398-416. Springer-
Verlag, 1999.
[35] L. De Raedt and S. Kramer. The levelwise
version space algorithm and its application to
molecular fragment finding. In Proceedings
of the Seventeenth International Joint Confe-
rence on Artificial Intelligence, pages 853-
862. Morgan Kaufmann, 2001.
[36] L. De Raedt, M. Jaeger, S.D. Lee, H. Man-
nila. A theory of inductive querying. In Pro-
ceedings of the 2nd IEEE Conference on
Data Mining, Maebashi, Japan, 2002.
[37] L. De Raedt. Query evaluation and optimi-
sation in inductive databases using version
spaces. In Proceedings of the DTDM Work-
shop, EDBT 2002.
[38] L. De Raedt. A perspective on inductive da-
tabases. SIGKDD Explorations, 4(2) : 66-77,
2002.
[39] R. Rymon. Search through Systematic Set
Enumeration. In Proc. of Third Int’l Conf.
on Principles of Knowledge Representation
and Reasoning, 539-550, 1992.
[40] A. Soulet. Un cadre générique de découverte
de motifs sous contraintes fondées sur des
primitives. Thèse de Doctorat, Université de
Caen Basse-Normandie, France, 2006.