Nous utilisons des cookies pour améliorer votre expérience. Pour nous conformer à la nouvelle directive sur la vie privée, nous devons demander votre consentement à l’utilisation de ces cookies. En savoir plus.
BKMDM La Gestion Booléenne des Connaissances guidée par Data Mining
Academiques - EAN : 9783838140520
Édition papier
EAN : 9783838140520
Paru le : 19 oct. 2016
89,90 €
85,21 €
Disponible
Pour connaître votre prix et commander, identifiez-vous
Notre engagement qualité
-
Livraison gratuite
en France sans minimum
de commande -
Manquants maintenus
en commande
automatiquement -
Un interlocuteur
unique pour toutes
vos commandes -
Toutes les licences
numériques du marché
au tarif éditeur -
Assistance téléphonique
personalisée sur le
numérique -
Service client
Du Lundi au vendredi
de 9h à 18h
- EAN13 : 9783838140520
- Réf. éditeur : 7399096
- Editeur : Academiques
- Date Parution : 19 oct. 2016
- Disponibilite : Disponible
- Barème de remise : NS
- Nombre de pages : 212
- Format : H:229 mm L:152 mm E:12 mm
- Poids : 319gr
- Interdit de retour : Retour interdit
- Résumé : La capitalisation du savoir-faire et la maîtrise d'une masse d'informations en constante augmentation sont devenues les nouveaux enjeux stratégiques des organisations, qui ont pour objectif de capturer l'ensemble du patrimoine de connaissances. Ainsi, la cartographie des connaissances est un moyen de navigation cognitif pour accéder aux ressources d'un patrimoine stratégique de connaissances d'une organisation. Dans cette étude, nous présentons une nouvelle approche de cartographie qui s'appuie, d'une part, sur la modélisation booléenne des connaissances. D'autre part, sur l'exploitation des différentes sources de données par des techniques de fouille de données pour améliorer le processus d'acquisition du savoir explicite. Pour l'évaluation de notre approche, nous avons lancé un processus de cartographie guidée par apprentissage automatique artificiel qui opère en deux étapes : une fouille de données et une cartographie automatique. La fouille de données consiste à lancer dans un premier temps une induction booléenne à partir des cas pratiques. Les règles de cartographie obtenues sont utilisées pour améliorer automatiquement le modèle booléen de la cartographie des connaissances.
