Publisher's Synopsis
L'abondance des motifs g�n�r�s par les algorithmes d'extraction de connaissances repr�sente un grand probl�me dans le domaine de fouille de donn�es. Afin de faciliter l'exploration de ces motifs, deux approches sont souvent utilis�es: la premi�re consiste � r�sumer les ensembles de motifs et la seconde approche repose sur la construction de repr�sentations visuelles de ces motifs. Cependant, les r�sum�s ne sont pas structur�s et ils sont propos�s sans m�thode d'exploration. D'autre part, les repr�sentations visuelles n'offrent pas une vue globale des ensembles de motifs. J'ai d�fini un cadre g�n�rique qui combine les avantages de ces deux approches. Il permet de construire des r�sum�s � plusieurs niveaux de d�tail. De plus, ils sont structur�s sous forme de cubes sur lesquels des op�rateurs de navigation OLAP peuvent �tre appliqu�s pour explorer les ensembles de motifs. Afin d'initialiser l'exploration, j'ai propos� un algorithme qui fournit un premier r�sum� de taille inf�rieure � un seuil donn�. Enfin, le cadre est instanci� avec des r�gles d'association.
