Une distance hiérarchique basée sur la sémantique pour la comparaison d'histogrammes nominaux
Résumé
La plupart des distances entre histogrammes sont définies pour comparer
des histogrammes ordonnés (dont les entités représentées sont totalement
ordonnées) ou des histogrammes nominaux (dont les entités représentées ne
peuvent pas être comparées). Cependant, il n'existe aucune distance qui permette
de comparer des histogrammes nominaux dans lesquels il est possible de
quantifier des valeurs de proximité sémantique entre les entités considérées. Cet
article propose une nouvelle distance permettant de pallier ce problème. Dans un
premier temps, une hiérarchie d'histogrammes, obtenue par le biais d'une fusion
progressive des entités considérées (prenant en compte leurs proximités sémantiques),
est construite. Pour chaque étage de cette hiérarchie, une distance standard
de comparaison d'histogrammes nominaux est calculée. Finalement, pour
obtenir la distance proposée, ces différentes distances sont fusionnées en prenant
en compte la cohérence sémantique associée aux niveaux de chaque étage de la
hiérarchie. Cette distance a été validée dans le cadre de la classification de données
géographiques. Les résultats obtenus sont encourageants et montrent ainsi
l'intérêt et l'utilité de cette dernière pour des processus de fouille de données.