Extraction des itemsets fréquents à partir des données imparfaites dans le contexte du Big data

Abstract

Dans ce travail, nous proposons une extraction distribuées des itemsets fréquents à partir de données évidentielles. La solution est basée sur le modèle de programmation MapReduce afin de palier au problème de passage à l’échelle inhérent au Big Data. La démarche utilisée se repose sur le calcul du support évidentiel précis, ensuite nous conservons que ceux qui sont fréquents (c’est-à-dire ceux qui ont des fréquences d’apparition appelées supports précis dont les valeurs sont supérieures ou égales à un seuil minimal fixé. L’algorithme proposé a été testé sur des données synthétiques et a montré son efficacité. MOTS-CLéS : Itemsets fréquents, Données imparfaites, Supports précis, Big data, Hadoop, MapReduce.