Utilisation de matrices de dissimilarité multiples pour la classification de documents

Francisco de A. T. de Carvalho (1, 2) , Thierry Despeyroux (2) , Filipe M. de Melo (1) , Yves Lechevallier (2)

1 CIn - Centro de Informatica UFPE [Recife]
2 AxIS - Usage-centered design, analysis and improvement of information systems

This paper introduces a clustering algorithm that is able to partition objects taking into account simultaneously their relational descriptions given by multiple dissimilarity matrices. These matrices could have been generated using different sets of variables and a fixed dissimilarity function, using a fixed set of variables and different dissimilarity functions or using different sets of variables and dissimilarity functions. This method, which is based on the dynamic hard clustering algorithm for relational data, is designed to provided a partition and a prototype for each cluster as well as to learn a relevance weight for each dissimilarity matrix by optimizing an adequacy criterion that measures the fit between clusters and their representatives. These relevance weights change at each algorithm iteration and are different from one cluster to another. Experiments aiming at obtaining a categorization of a document data base demonstrate the usefulness of this partitional clustering method.

Cet article introduit l'algorithme de classification donné dans CarvhaloLechevallier:2007:SFC capable de partitionner des objets en prenant en compte de manière simultanée plusieurs matrices de dissimilarité qui les décrivent. Ces matrices peuvent avoir été générées en utilisant différents ensembles de variables et une fonction de dissimilarité unique, un ensemble de variables donné et différentes fonctions de dissimilarité ou bien différents ensembles de variables et de fontions de dissimilarité. Cette méthode, basée sur l'algorithme de nuées dynamiques est conçu pour fournir une partition et un prototype pour chaque classe tout en découvrant une pondération pertinante pour chaque matrice de dissimilarité en optimisant un critère d'adéquation entre les classes et leurs représentants. Ces pondérations changent à chaque itération de l'algorithme et sont différentes pour chacune des classes. Ce papier se focalise sur une expérience utilisant un ensemble de documents, dont nous connaisssons une classification donnée a priori par des experts servant de référence, et montre l'utilité de cette méthode de partitionnement.

Domaines: Recherche d'information [cs.IR]

Francisco de A. T. de Carvalho, Thierry Despeyroux, Filipe M. de Melo, Yves Lechevallier. Utilisation de matrices de dissimilarité multiples pour la classification de documents. Conférence Maghrébine sur l'Extraction et la Gestion des Connaissances, Dec 2010, Alger, Algérie. ⟨inria-00586210⟩