La fouille de graphes dans les bases de données réactionnelles au service de la synthèse en chimie organique

Conference object French OPEN
Pennerath, Frédéric; Napoli, Amedeo;
(2006)
  • Publisher: Cépaduès-éditions
  • Subject: [CHIM.CHEM]Chemical Sciences/Cheminformatics | [ INFO.INFO-LG ] Computer Science [cs]/Machine Learning [cs.LG] | [ INFO.INFO-IR ] Computer Science [cs]/Information Retrieval [cs.IR] | [ CHIM.CHEM ] Chemical Sciences/Cheminformatics | reaction data-mining | [INFO.INFO-IR]Computer Science [cs]/Information Retrieval [cs.IR] | ACM : I.: Computing Methodologies/I.2: ARTIFICIAL INTELLIGENCE/I.2.6: Learning/I.2.6.4: Knowledge acquisition | graph based data-mining | [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG] | ACM: I.: Computing Methodologies/I.2: ARTIFICIAL INTELLIGENCE/I.2.6: Learning/I.2.6.4: Knowledge acquisition

National audience; La synthèse en chimie organique consiste à concevoir de nouvelles molécules à partir de réactifs et de réactions. Les experts de la synthèse s'appuient sur de très grandes bases de données de réactions qu'ils consultent à travers des procédures d'inte... View more
  • References (10)

    Agrawal, R. et R. Srikant (1994). Fast algorithms for mining association rules in large databases. In Proceedings of the 20th Conference on Very Large Data Bases (VLDB-94) , pp. 478-499.

    Berasaluce, S., C. Laurenço, A. Napoli, et G. Niel (2004). An experiment on knowledge discovery in chemical databases. In J.-F. Boulicaut, F. Esposito, F. Giannotti, et D. Pedreschi (Eds.), PKDD, Volume 3202 of Lecture Notes in Computer Science, pp. 39-51. Springer.

    Fischer, I. et T. Meinl (2004). Graph based molecular data mining - an overview. In M. P. Wil Thissen, Peter Wieringa et M. Ludema (Eds.), IEEE Conference on Systems, Man and Cybernetics.

    Gondran, M. et M. Minoux (1995). Graphes et algorithmes. Eyrolles.

    Huan, J., W. Wang, J. Prins, et J. Yang (2004). Spin : mining maximal frequent subgraphs from graph databases. In W. Kim, R. Kohavi, J. Gehrke, et W. DuMouchel (Eds.), KDD, pp. 581-586. ACM.

    Inokuchi, A., T. Washio, et H. Motoda (2000). An apriori-based algorithm for mining frequent substructures from graph data. In PKDD '00 : Proceedings of the 4th European Conference on Principles of Data Mining and Knowledge Discovery, London, UK, pp. 13-23. SpringerVerlag.

    Kuramochi, M. et G. Karypis (2001). Frequent subgraph discovery. In ICDM '01 : Proceedings of the 2001 IEEE International Conference on Data Mining, pp. 313-320.

    Nijssen, S. et J. N. Kok (2004). A quickstart in frequent structure mining can make a difference. In KDD '04 : Proceedings of the tenth ACM SIGKDD international conference on Knowledge discovery and data mining, New York, NY, USA, pp. 647-652. ACM Press.

    Régin, J.-C. (1995). Développement d'outils algorithmiques pour l'intelligence artificielle. Application à la chimie organique. Thèse de l'Université des Sciences et Techniques du Languedoc, Montpellier.

    Yan, X. et J. Han (2002). gspan : Graph-based substructure pattern mining. In ICDM '02 : Proceedings of the 2002 IEEE International Conference on Data Mining, Washington, DC, USA, pp. 721. IEEE Computer Society.

  • Metrics
Share - Bookmark