L’abondance des motifs générés par les algorithmes d’extraction de connaissances représente un grand problème dans le domaine de fouille de données. Afin de faciliter l’exploration de ces motifs, deux approches sont souvent utilisées : la première consiste à résumer les ensembles de motifs extraits et la seconde approche repose sur la construction de représentations visuelles de ces motifs. Cependant, les résumés ne sont pas structurés et ils sont proposés sans méthode d’exploration. D’autre part, les représentations visuelles constituent des supports d’exploration mais elles n’offrent pas une vue globale des ensembles de motifs.
Nous définissons un cadre formel qui combine les avantages des ces deux approches. Il permet de construire des résumés de grands ensembles de motifs à plusieurs niveaux de détail. Ces résumés donnent une vue globale des ensembles de motifs. De plus, ils sont structurés sous forme de cubes sur lesquels des opérateurs de navigation OLAP peuvent être appliqués pour explorer les ensembles de motifs. Par ailleurs, nous proposons un algorithme qui fournit un résumé de bonne qualité dont la taille est inférieure à un seuil donné. Ce résumé peut notamment servir à initialiser l’exploration de l’ensemble de motifs qu’il représente. Enfin, nous instancions notre cadre avec les règles d’association. Dans ce contexte, nous définissons une mesure pour évaluer la qualité des résumés. Puis, nous testons notre algorithme sur des bases génériques de règles d’association en évaluant le temps d’exécution et la qualité des résumés qu’il produit.
