M ICHAEL L UXENBURGER
Implications partielles dans un contexte
Mathématiques et sciences humaines, tome 113 (1991), p. 35-55
<http://www.numdam.org/item?id=MSH_1991__113__35_0>
© Centre d’analyse et de mathématiques sociales de l’EHESS, 1991, tous droits réservés.
L’accès aux archives de la revue « Mathématiques et sciences humaines » (http://
msh.revues.org/) implique l’accord avec les conditions générales d’utilisation (http://www.
numdam.org/conditions). Toute utilisation commerciale ou impression systématique est consti- tutive d’une infraction pénale. Toute copie ou impression de ce fichier doit conte- nir la présente mention de copyright.
Article numérisé dans le cadre du programme Numérisation de documents anciens mathématiques
http://www.numdam.org/
IMPLICATIONS PARTIELLES DANS UN CONTEXTE
MICHAEL
LUXENBURGER*
RÉSUMÉ -
Nousprésentons
une extension de la théorie desimplications
entreattributs binaires aux
implications partielles.
Apartir
de donnéesexpérimentales
ons’intéresse non seulement aux
implications (globales),
mais aussi aux"implications
avecquelques
contreexemples".
Lesimplications partielles
offrent unepossibilité
d"extraire des informationssupplémentaires.
Elles permettent de "modéliser" lafréquence
relatived’une
implication,
non- valide pour toutes lesdonnées,
et donnent parconséquent plus
d’information que les
implications (globales).
On caractérise dans le cadremathématique
de la théorie des treillis ces ensembles
d’implications partielles qui proviennent
dedonnées. Puis on définit la cohérence d’un ensemble
d’implications,
cequi
permetd’un point
de vueinformatique d’explorer
lesimplications partielles.
Enfin on s’intéresse à la construction d’une famille minimale, une based’implications partielles,
dont on donneune borne
supérieure
du nombre d’éléments.SUMMARY -Partial
Implications
of a ContextWe introduce a
generalization
of thetheory
ofimplications
between attributes topartial implications.
In dataanalysis
the useris
notonly
interested in(global) implications,
but also in
"implications
with a fewexceptions".
Partialim plica tions
offer apossibility
to represent these additional informations.
They
can model the relativefrequency
ofimplications
which are not valid for the whole data. As a consequencethey give
more information about the data thanjust
the(global) implications.
We can characterize those sets ofpartial implications
which arise from real data. This characterizationgives
us apossibility
of an"exploration"
ofpartial implications by
computer. In this conection we are interested in a minimalrepresentation
and aresearching
for basesof
partial implications.
1. CONTEXTES ET TREILLIS DE CONCEPTS
Une
façon
courante dereprésenter
des connaissances consiste à établir des corres-pondances
entreobjets
et attributs. Cette construction peut être formalisée dans lelangage
ensembliste. On ditqu’un triplet (G,M,I)
est un conte,;te, où G et M sontôrschungsgruppe Begriffsanalyse
(Arbeitsgruppe Allgetneine Al ebra),
FachbereichMathematil,
Technische Hochschule Darmstadt. Unegrande partie de
ce travail résulte d’unséjour de
l’auteur à l’ E. H. E. S. SPari~ ,
lorsduquel
ila
bénéficié del’hospitalité
du Centre
n’Analyse
et deMathématique
Sociales, etqui
a été financé par 1 Office Allemandd’Echanges
U niyersitairesDAAD).
Il 1tient
a remerciers écialem nt
M.Vincent
Duquenne qui
l’a assisté dans la rédaction de ce travail.des ensembles et I une relation entre G et M
(I~GxM);
les éléments de G(resp. M) s’appellent objets (resp. attributs),
et tgln1
sera lu"l’objet
g a l’attribut m". . On définitLes
opérations .T: #(G)--,#(M)
et.’~: O(M),e9(G)
forment unecorrespondance
deGalois entre G et M et les
opérations .~:G~
sont des fermetures de
~( G)
etÉ#Î(M)
(resp.).
Mais dans la suite, on utilisera le mêmesymbole ’
1 pour lesopérations T
et’,
, et " au lieu de t4l et.J,t.
On
appelle
alors unepaire (A,B) concept (du
contexte(G,M,I)),
si A’=B et B’=A(et
t A~ G,B~ M).
A(resp. B)
peuvent être entendus comme 1"extension(resp.
lacOl11préhension)
duconcept (A,B).
Alors les extensions et lescompréhensions
sontles ensembles fermés de
c-9(G)
et~(M) (resp.).
Enfin. la hiérarchie des
concepts
est donnée parL’ordre 5 constitue un treillis
complet
sur l’ensemble£(G,M,I)
des concepts ducontexte
(G,M,I).
Il est noté~( G,M,I)
etbaptisé
treillis de concepts(aussi
treillisde Galois par
Barbut[2 ]). (CF. Birkhof f [4 ],
Barbut etMonjardet[3], Wille[7, 8 ]
pour consulter les résultats concernant lescorrespondances
de Galois associées à un contexte, et le treillis deconcepts).
Les infimums et supremums sont décrits parLes
implications
entreparties
des attributs sont définies comme suit:A
implique
B(noté
parA2013~B):~A~B’ (~B"ÇA)[S,6].
Rappellons
que la fonction deMobius [lL
d’un ensemble ordonné(lez)
est lafonction
~ :LxL2013>Z .
déterminée defaçon unique
par~L( x, x)=1
etL’ensemble des éléments
sup-irréductibles (inf-irréductibles)
d’un treillis(L,~)
est notéJ(L) (resp. M(L)),
et 1>111signifie
que 1 est un voisinsupérieur
de Ill daiis L(1
1 couvre111).
II. IMPLICATIONS PARTIELLES I I .1. Définition
Souvent, les tableaux de données
(c’est-à-dire
ici descontextes)
sont trèslarges
et les treillis de
concepts correspondants
sont"trop grands",
car ilsgardent
toutel’infor111ation
contenue dans les données.Dans ce cas -mais pas
uniquement-
on s’intéresse auximplications (et dépendances)
partielles, qui
sont desimplications (et dépendances)
valides dans un sous-contexte(H,M,J),
où H~G etJ=(HxM)nI.
Si H=G, on obtient lesimplications "globales".
Pour établir une notion
appropriée
deprécision
d’uneimplication partielle,
les cardinaux des extensions des concepts sontimportants.
Avec la notation[B]
est le nombred’objets gE G, qui
ont tous les attributs mE B, et la valeurdonne la
fréquence
relative d’avoir tous les attributs mE B, Avecautrement
on
peut
définir une sorte deproportion
conditionnelle. On utiliseraparfois
la notation[(B’.B)]:=[B]
pour(B’ ~ B ) ( ~ ( IK ) .
Les
Ï111plicatiol1s partielles
sont alors destriplets (Bl,B2’P),
oùB,,B2
sont desparties
de M et
p=P(B21B1)
est laprécision
del’implication partielle.
Uneimplication partielle
est notée
Bl~B2.
DEFINITION.
J(et( IK»-.= {A~B/ A,BÇM, p=P(BIA) }
est l’ensemble desilnplicatiolls partielles
deet ( IK) .
I I . 2.
Propriétés
desiiiiplicatioiis partielles
On peut établir une valuation v des arêtes du treillis de concepts
correspondant
avecv((Bl’~Bl).(B2’,B2)):=P(BlIB2)
pour desc0111préhensions B,DB2.
Dans le
diagramme
de Hasse, on peut écrire lesprécisions
sur les arcs(voir
les
Figures
1 et2).
On a alorsPROPOSITION 1 .
("transitivité"
et "commutativité’" desprécisions
dans lediagramme):
Soient
Ml,M2,M3,M4ÇM
descompréhensions
avecMl ÇM2’ Ml ÇM3
etM2c-m4,
Démonstration:
Dans un
diagranune
de Hasse, onn’indique
que les traits reliant les élémentsadjacents
dans la relation d’ordre et non ceuxqui
s’en déduisent par transitivité. LaProposition
1 montre, que lesprécisions
de ces dernières sont aussi"superflues".
Reniarque.
On n’a pas la transitivité usuelle pour lesprécisions
desimplications partielles,
c’est-à-dire que:Contre
exemple: ’
1w
Figure
1.(K=(H,M,J)
et lediagramme
de Hasse def,(H,M,J)
etla valuation avec les
précisions
desimplications partielles.
Il y a aussi des
exemples
où p~q>r: soitM:={a,b,c},
Figure
2.IK=(G,M,I)
et lediagramme
de Hasse de et la valuation avec lesprécisions
desimplications partielles.
Les
précisions
desimplications partielles
obéissent à d’autres"règles"
que la commutativité et la transitivité(dans
lediagramme):
PROPOSITION 2.
(i):
Soient AgB descompréhensions
avecP(BIA)=O.
Alors B=M.pour toute
compréhension
A, où.
est la fonction de Mobius du treillis
~(~C).
(iii):
Soient A,B~M descompréhensions.
Reiiiarque:
lesimplications
sont desimplications partielles
avec laprécision
1:Si on a
P(AIAnB)= 1,
on obtient avec laProposition 2 (iii),
donc
P«AuB)""IA)=l (même
siP(AIAnB)=0, puisque
ça entraîne A=M(2(i))
etpuis
(AuB)"=A ).
Deplus,
on a C’est-à-direqu’on
obtient toutes les
règles
pour lesimplications globales
conune un casparticulier.
Deplus. P(BIA~=P(C uBIA)
pour tout CgA, alorsA~B
bAFCUB
pour tout CgA.En
particulier AFB
bAFAUB,
donc si on connaît lesimplications partielles
AFB,
où A~B, on connait toutes lesiniplicittions partielles.
C’est la raison pourlaquelle
on se restreint auximplications partielles A~B
avec A~B.11.3. Cohérance d’un ensemble
d’il11plicatiol1s partielles
Avant de chercher des bases
d’implications partielles,
ons’attaquera
à une autrequestion:
Aquelles
conditions est t unsystème
cohérent,
c’est-à-direqu’il
existe un contexte IK On diraégalement
que ce
système
est réalisable.DEFINITION.
constant pour
n’importe quel
BGM. AlorsLe Théorème suivant va caractériser les ensembles cohérants
d’implications qui proviennent
dedonnées,
c’est-à-dire ceuxqui
sont unepartie
desimplications partielles
d’un contextepertinent.
THEOREME 3. Un ensemble
J91K L
est réalisable si et seulement si on peut résoudre lesystème
de conditions suivant pour les variablesP, ,
pour tout
pour tout
pour tout
On utilise la notation
p~
et non pasp(LIK),
afinqu’on
nepuisse
pas confondre les variablesp
et lesfréquences
relativesP(LIK).
Les
conditions (i)- (iii) sont des conditions f orcées par les Propositions
1 et 2. Le Théorème
montre que ce sont les conditions
caractéristiques
desimplications partielles.
Démonstration: soit IK une réalisation de J. On montrera que cette réalisation
remplit
les conditions
(i)-(iv).
Définissonsp :=P(LIK).
lr Alors on - a(iv).
..(iii)
est uneconséquence
de laProposition
1 etSoit alo rs L"=M à cause de la
Proposition 2 ( i).
PuisOn obtient l’affirmation
(i)
avec une dén1onstration pourchaque
cas([0]=0, [ûJ$0) conune dans
la preuve de laProposition
2 . Ceci achève une direction de la déinonstration.une solution du
système
de conditions. On va construire un contextesera le nombre
d’objets
du contexte Kqui
auront les attributs L(et peut-être d’autres
attributs enplus),
etsera le nombre
d’objets qui
auront exactement les attributs L(et
pas d’autresattributs).
Alors on aà cause de la condition
(i)
etk(L)EIN,
carn(K)EUV.
fin de la démonstration et
Figure 3).
Il reste à montrer : 1
Ceci achève la démonstration.
~
E)::enlple:
Considérons les attributsM=la,b,el
etUne solution du
système
de conditions est obtenue par une modification de la méthode dusimplexe.
et on obtient
On a alors construit une
réalisation de J
(voir Figure 3).
Figure
3. Une réalisation(G,M,I)
de 1Le Théorème 3 donne une
possibilité "d’explorer""
defaçon
conversationnelle lesimplications partielles
d’un ensemble M d’attributs.L’ordinateur
demande lafréquence
relative
d’une implication partielle
etl’expert
la donne(s’il peut)
ou la laisse de côtéet donne la
réponse plus
tard(si
c’est encorenécessaire).
L’ordinateurpeut
déterminer d’autresprécisions
avec lesystème
de conditions du Théorème 3 et pose seulement lesquestions
nonsuperflues.
Il suffit de munir
l’ensemble Imp
desimplications partielles
d’un ordre total(par exemple l’ordre lexicographique
sur lesprémisses
et lesconclusions).
Une ébauche
d’un algorithme
serait alors:(I) J=0
(II)
calculer la limite inférieureli
et la limitesupérieure fil
de laprécision
p de lapremière implication partielle
(III)
demander laprécision
del’implication partielle P2013~C.
(IV) J = J u{implications partielles qu’on
peut déduire de J avec les conditions(i)-(iii)
du Théorème3}.
(V)
SiImp=J,
fin: J estl’ensemble
desimplications partielles
del’ensemble
M
d’attributs;
sinon, continuer en(II).
Malheureusement il est très couteux
(en temps)
de calculer lesimplications partielles qu’on peut
déduire de J.III. BASES D’IMPLICATIONS PARTIELLES
Dans la suite on essaie de trouver un
système
minimal degénérateurs
desimplications
partielles
d’un contexte àpartir duquel
onpeut
calculer toutes les autresimplications
partielles
d’une manièrerapide
etsimple.
Dans[5 ], l’auteur
a résolu ceproblème
pour les
implications (globales). C’est
la raison pourlaquelle
on se restreint auximplications partielles
propres,qui
ont uneprécision pl.
Si on a une base desimplications globales
et une based’implications partielles
propres, on a aussi une base pour toutes lesimplications partielles (c’est
l’union de les deuxbases).
Par définition de
[B]
et à cause deB’=B"’
on a[B"]=[B]
etCeci entraîne que les
précisions
desimplications partielles
propres avec une"prémisse"
ou une "conclusion"
qui
ne sont pas descompréhensions,
sont"superflues".
Donc on va se restreindre aux
implications partielles
propresAFB
où A et B sont descompréhensions
et AcB.111.1. Définitions
sont des
compréhensions
deâ(IK)l s’appellera
l’ensemble desimplications partielles
propres.On dit
qu’on peut
conclure uneimplication partie lIe K---£.L
de J(noté
si on nepeut
résoudre lesystème
de conditions du Théorème 3 que pour la valeurpK= P.
Ld’implications partielles
propres est unsystèl11e
degénérateurs
1" ._" 1.
Un
système
degénérateurs J
est unebase,
si i J est minimal avec cettepropriété.
COROLLAIRE 4.
J....K---E.L «chaque
réalisation de J est une réalisation de La démonstration résulte du Théorème 3 .C’est-à-dire que
chaque
modèle(i.e. contexte)
de J est aussi un modèle deDans la suite on introduit le
graphe Gr(J) qui
est défini commesuit:
Alors
Gr(J)
estisomorphe
à unsous-graphe
dugraphe
decomparabilité
dect(IK).
Figure
4.PROPOSITION 5. Soit . S’il y a un
cycle
dansGr(J) ,
il existe uneimplication partielle
iEJDémonstration: soit
IM,,...,m k1
uncycle
" dans _1 i(kk2).
C’est-à-dire que _1 1M., ...,Mk
sont des
compréhensions
de£(K)
avecpour i=0,....k
(a+b :=a+b
mod(k+l)).
0 pour un
i6{0,...,k}.
Soit(sans perte
degénéralité),
alorsà cause de la
Proposition
2peut
pas être uneprémisse),
et t alorstout
ie{0....,k}.
Soitp0 (sans perte
degénéralité)
etB est
constant pourchaque
réalisation1
111.2.
Propriétés
des basesd’implications partielles
Démonstration: si il y a un
cycle
dans A cause de laProposition 5,
il existe une
implication partielle
icJ donc J n’est pas minimal.PROPOSITION 7. est un ensemble
générateur,
si(i) Gr(J)
contient un arbre maxiinal(ii)
M est la conclusion d’une seuleimplication partielle
appartenant à J.Démonstration: si
Gr(J)
contient un arbre maximal, il y a pourchaque
KcL~M un "chemin"_i i i
Puisque
M est laprémisse d’une
seuleimplication partielle appartenant
à 0, on aM. 4: M
pour i=0,...,n-1. Alors au
plus n-1=0.
Si on aP(LIK)=0,
et sip’0,
on a--l n n n
avec p. comme dans le cas II de la preuve de la
Proposition
5.1
C’est-à-dire
qu’on
peut calculerP(LIK).
La deuxièmepartie
est nécessaire: un ensemble J tel queGr(J)
soit connexe n’est pas nécessairement un ensemblegénérateur:
est un arbre maximal, mais J n’est pas un ensemble
générateur, puisqu’on
nepeut
pas conclure laprécision
p del’implication partielle p-b} (voir Figure 5).
Une réalisation est donc
possible
seulement pourest un
système
degénérateurs,
Donc, on
peut
"calculer"quelques précisions
deplus,
dans certains cas. Mais laPropos ition
s uivante mo nt re ra que la bo rne 1 e s t t"pré cis e".
PROPOSITION 8. Soit L un treillis fini
quelconque.
Alors il y a un contexte (K avectel que toutes les bases
Jç;Jl(~(I())
desimplications partielles
propres ontpour cardinal 1 L 1 - 1 .
’
Démonstration: pour kEL définissons où
h(k)
est la hauteur de k dans L(c’est-à-dire
le nombre des éléments d’une chaîne maximale entre k et On poseG~={k~,...,k~J,
M := L Alors avecSupposons qu’il
existe une base avec Alors il y a au moins2
composantes
connexesZ,Z
dansGr(J).
On choisit sansperte
degénéralité Zi’z2
tels
qu’existent Mi EZJ , M2EZ2
avecMIÇM2.
Dansla
suite on va construire unedeuxième réalisation
K2
de Jqui
n’est paséquivalente
à *Définissons
Démonstration par récurrence:
Donc,
m(k)>0
pour tout kEL(car n(k)>0).
Deplus
Alors,
il y adeux
réalisations(G,M,I,), (H,M,12) non-équivalentes
de J,c’est-à-dire
(voir l’exeniple suivant).
Ki
construit comme dans la démonstration de laProposition
8. Les valeursn(l)
sontajoutées
audiagramme
dela Figure
7. AlorsP({a})0)=U2~+12~+l)/(l2~+2*12~+2*12~+l).
Avec les valeurs
m(l) (qui sont ajoutées
audiagramme
de laFigure 7) on peut construire
le deuxième contexte
K 2
* Alorson a
- - -Figure
7. ’,de la démonstration de la
Proposition
8.IV. CHARACTERISATION DES TREILLIS L DONT TOUTES LES BASES ONT POUR CARDINAL ILI-1
Dans la suite, on va caractériser les treillis finis L dont toutes les bases
d’implications partielles
propres dechaque
contexte K tel que£(K)dL
ont pour cardinal ILI-1.THEOREME 9. Soit L un treillis fini avec
ILI-IJ(L)152.
Alors pour toutes les bases desimplications partielles
propres dechaque
contexte IK tel que£(K)zL.
Démonstration: supposons
qu’il
existe un contexte K avec£(K)é£L
et une baseavec Alors il y a au moins deux
composantes
connexes Y,Z dansGr(J).
On va construire une deuxième réalisation de J.voisin inférieur
(déterminé uniquement)
généralité) .
Définissons(voir l’exemple
à la fin de ladémonstration)
on utilise de nouveau la
notation 1
commedans le
paragraphe II.1)
Alors, on a trouvé une deuxième réalisation
(H.M.J)
de J,qui
estnon-équivalente
à(K. ce
qui
est contradictoire.et on
peut
continuer avecExemple:
soitobtenue conune dans la preuve du Théorème 9 ai,ec 1
Une deuxième réalisation de J est alors le contexte
~C2
Figure
8.PROPOSITION 10. Soit L un treillis fini tel
qu’existent v,wELBJ(L)
avecv>w>0, .
Alors,on
peut
construire un contexte K avec telqu’il
existe une based’implications partielles
propres avecOn montrera
qu’on peut
calculer laprécision (voir Figure 9).
L’inversion de Mobius w1la divis ion par
[w]> 0
fournit 1Exemple:
avec le treillis de laFigure
9 on as-V
Figure
9. Unexemple
pour le cas 1 de la démonstration--
de la
Proposition
10,Soit
(sans
perte degénéralité )
w minimal avec 0w etBVf J(L).
1
Donc, dans
Gr(Ju3),
v et w ne sont pas dans la mêmecomposante
connexe.Elargissons
5 à
unsystème
minimal J.(par exemple
onprend
On montrera
qu’on
peut calculer- .
Dans la suite on va démontrer ce résultat seulement pour le cas On obtient la preuve pour le cas
v2 =w
ensupprimant pv2
1 et leproduit qui
contientg(w,v).
Conune dans le cas 1 on obtient
D’après
le Théorème3(i)
on a(~)
à cause deA cause de
(o),(+),(++)
on obtientest un
système
degénérateurs
Ceci achève la démonstration.
Figure
10. Unexemple
pour le cas II de la démonstration. de la
Proposition
10 et les valeursn(l).
Avec la
Proposition
9 et laProposition
10 onpeut
vérifier leCOROLLAIRE 11. Soit L un treillis fini. pour toutes les bases des
implications partielles
propres dechaque
contexte IK avecV. CONCLUSIONS
On a donné une limite
supérieure
pour le cardinal 1 JI d’une base J desimplications partielles
propres d’un contexte IK et construit une classe de treillis, où cette limite est atteinte, niais nous ne savons pas donnerexplicitement
une base desimplications partielles
propres dans tous les cas. C’est-à-dire que leproblème
de trouver une base"canonique"
reste ouvert. La solution de ceproblème
n’est pas facile, parcequ’on
nepeut pas encore donner une limite inférieure pour le cardinal d’une base
(voir ci-dessous)
et de
plus,
ilpeut
exister deux bases différentes avec 1JIt-Ill Iest une deuxième base
d’implications partielles
propres du contexte IK de laFigure
6 avec 111=5, par contre la base J de laFigure
6 a cardinalC’est la raison pour
laquelle
on doit construire les ensembles J dans la démonstration de laProposition
9 d’unefaçon dispendieuse.
Une limite inférieure pour le cardinal d’une base est donnée par
1/2~(J(L)nM(L)),
parce que
chaque
élément doublement irréductible doit être laprémisse
ou la conclusiond’une
implication partielle
propre d’une base J:Si n’était ni
prémisse
ni conclusiond’une
implication partielle
propre appartenant à J, on trouverait une deuxième réalisationIK2
Mais cette limite inexacte n’est pas très
intéressante, puisqu’ils
existent des treillis L, oùJ(L)nM(L)=0.
Mais on assume, que
lJlZ2/3(18§(K)1-1)
pourchaque
base Par contre, pourchaque
nEN onpeut
construire un contexte IK et une base où1 va
grandir
avec n, mais lequotient
reste
supérieur
à 2/3.Pour
réprésenter
lesimplications partielles
propres d’un contexte IK, on utilisera dans lapratique
dessystèmes
degénérateurs
et pas f orcement des bases J, oùpremièrement,
les bases sont difficile àdéternliner,
et si on a une base J, où lesprécisions
des autresimplications partielles
propres sont "difficile"à calculer avec la condition
(i)
du Théorème 3 trop couteux, entemps
decalcul);
deuxièmement,
on gagnera pasbeaucoup
de mémoire(si 1’assumption
sur la limite inférieuren’est pas
"trop
mauvaise").
Un
système
degénérateurs canonique
est donné parcompréhension
deIK; (évidemment
Pour descompréhensions KcL~M,
on donc onpeut
calculer toutes lesprécisions
trèsrapideinent.
Pour
’’’sin1plifier’’
un treillis de concepts(et
pour "filtrer" les informations etimplications partielles "significatives"),
on a lapossibilité
de demander uneimplication globale supplémentaire.
Dans ce but on peutsupprimer
lesobjets qui
contredisent la nouvelleimplication globale,
ou on peut modifier la relation d’incidence.Du
point
de vuemathématique, c’est
la factorisation du treillis de concepts avec uneinf-congruence pertinente.
Exemple: regardez
le contexteFigure
11. Si on demandel’implication {a,c}201320132013>{b}
et onsupprime l’objet
2 ou si on modifie la relation d’incidence(1:= Iu( 2, b )),
on obtientl’implication globale
en
plus.
Quelles implications partielles
va-t-onexiger, lesquelles
sontsignificatives
pour les données?Avant tout, une
implication partielle significative
devrait avoir uneprécision qui
est"grande",
par
exemple plus grande qu’un
seuil donné parl’expert.
Mais cette conditionn’est
pas satisfaisante:(I):
laprécision p=P(LIK)
d’uneimplication partielle K-~L pourrait
êtregrande
"par
hasard": si les ensembles d’attributs K,L sontindépendants (du point
de vuestatistique),
la
grande fréquence
rélativeP(LIK)
n’est passpécifique
pour les données.(II):
si on demandel’implication partielle
K-L enplus (avec P(LIK) grand),
onpourrait
forcer uneimplication partielle
KuN --~LuN(pour
unNgM),
oùP(LuNIKuN)
est
petit (voir
lesFigures
11 et12).
Figure
12l’implication
forcée Ku N- Ku Nu L a uneprémisse, qui
a évidemment moinsd’objets
que la
prémisse
del’implication
K~KuL demandée. Dans lapratique,
c’estl’expert qui
devrait décider s’ilaccepte l’implication partielle
forcée KuN~KuNuL ou non.BIBLIOGRAPHIE
[1]
AIGNER M., Combinatorialtheory,
New York,Springer,
1979[2]
BARBUT M., "Note surl’algèbre
destechniques d’analyse hiérarchique", Appendice
de
l’Analyse hiérarchique
par M.Matalon, Paris, Gauthier-Villars,(1965),
125-146.[3]
BARBUT M. et MONJARDET B., L’ordre et la classification,algèbre
et combinatoire,tome II, Paris, Hachette, 1970.
[4]
BIRKHOFF G., Latticetheory,
Providence R.I., Amer. Math. Soc. Coll. Publ., vol.25, 3.ed., 1967.[5] DUQUENNE
V. , "Contextualimplications
between attributes and somereprésentation properties
for finitelattices", Beiträge
zurBegriffsanalyse, (ed. B.Ganter,
R.Wille, K.E.Wolff, Mannheim,
BI-Wiss.-Verl., (1987),
213-239.[6]
GANTER B. et WILLE R.,"Implikationen
undAbhängigkeiten
zwischen Merkmalen".Die Klassifikation und ihr
Umfeld, (ed. P.O.Degens,
H.J.Hermes,O.Opitz),
tome17 , Frankfurt,
INDEKS-Verlag, (1986), 171-185.
[7]
WILLE R.,"Restructuring
latticetheory:
anapproach
based on hiérarchies ofconcepts",
orderes sets
(ed.
IvanRival),
Boston,Reidel,
Dordrecht,(1982),
445-470.[8]
WILLE R., "Sur la fusion des contextesindividuels",
Mat. Sci. Hum 85(1984),
57-71.