Micro rappel précision non supervisés : vers de nouvelles mesures de qualité de clustering

Jean-Charles Lamirel 1 Maha Ghribi 2 Pascal Cuxac 2
1 TALARIS - Natural Language Processing: representation, inference and semantics
Inria Nancy - Grand Est, LORIA - Laboratoire Lorrain de Recherche en Informatique et ses Applications
Résumé : Ce papier propose une approche alternative aux indices classiques de qualité de clustering. Nos indices de Macro- et Micro- Rappel/Précision s'inspirent des modèles de classification symbolique en exploitant la répartition des propriétés des données associées aux classes. Nous en illustrons une application pour l'analyse de données textuelles qui permet de mettre en évidence l'hétérogénéité d'un résultat de clustering.
Liste complète des métadonnées

https://hal.inria.fr/inria-00535940
Contributeur : Jean-Charles Lamirel <>
Soumis le : dimanche 14 novembre 2010 - 11:51:02
Dernière modification le : jeudi 11 janvier 2018 - 06:21:35

Identifiants

  • HAL Id : inria-00535940, version 1

Collections

Citation

Jean-Charles Lamirel, Maha Ghribi, Pascal Cuxac. Micro rappel précision non supervisés : vers de nouvelles mesures de qualité de clustering. XVIIèmes Rencontres de la Société Francophone de Classification- SFC'10, Jun 2010, Saint-Denis de La Réunion, France. 2010. 〈inria-00535940〉

Partager

Métriques

Consultations de la notice

321