Discussion :

[camboui]

Imaginons une base de données avec des personnes et leur curiculum vitae. J'aimerais trouver les personnes qui se "connaissent" entre elles.

Je m'explique.

Imaginons que deux personnes aient faites leur études dans la même fac. Il y a des chances qu'elles se connaissent. Bon, évidemment, si une y a été dans les années 60 et l'autre dans les années 80, il y a peu de chance. Mais si elles y ont été en même temps, on a plus de chances.
Autre exemple, les boites dans lesquelles elles auraient travaillé. Des personnes ont peut-être travaillé dans la même boîte à un moment donné. Elles ont donc des chances de se connaitre. Si de plus on sait qu'elles ont travaillé dans le même département de cette même boîte, on a plus de chances encore.

Idéalement il faudrait que cela soit précalculé afin d'avoir des réponses rapides. Ainsi, pour une personne, je pourrais obtenir une liste de personnes par ordre décroissant de probabilité qui auraient pu la rencontrer à un moment donné de leur vie.

Merci.

[khayyam90]

Imaginons une base de données avec des personnes et leur curiculum vitae. J'aimerais trouver les personnes qui se "connaissent" entre elles.

Je m'explique.

Imaginons que deux personnes aient faites leur études dans la même fac. Il y a des chances qu'elles se connaissent. Bon, évidemment, si une y a été dans les années 60 et l'autre dans les années 80, il y a peu de chance. Mais si elles y ont été en même temps, on a plus de chances.
Autre exemple, les boites dans lesquelles elles auraient travaillé. Des personnes ont peut-être travaillé dans la même boîte à un moment donné. Elles ont donc des chances de se connaitre. Si de plus on sait qu'elles ont travaillé dans le même département de cette même boîte, on a plus de chances encore.

Idéalement il faudrait que cela soit précalculé afin d'avoir des réponses rapides. Ainsi, pour une personne, je pourrais obtenir une liste de personnes par ordre décroissant de probabilité qui auraient pu la rencontrer à un moment donné de leur vie.

Merci.

et tu cherches a realiser ce genre d'application ?
tu cherches un site qui propose ce genre de services ?

[KiLVaiDeN]

Tu pourrais aussi aller plus loin : deux personnes qui ont le même loisir ( ping pong par exemple ) on des chances de se connaitre. Mais en plus, si elles vivent dans le même quartier, elles auraient pu fréquenter le même club !

Plus sérieusement, c'est à mon avis une information "interessante", mais absolument pas fiable. Il y aura des cas ou ton algorithme te retournera une correspondance alors qu'il n'y en a aucune, et d'autres cas où ce sera l'inverse, comme tu dis, il s'agit d'un "pourcentage de chance", mais dans ce cas, un algorithme est-il necessaire ? Tu peux tout aussi bien implémenter un programme qui produira des correspondances aléatoirement

Bon... Mais si tu insistes dans ton projet ! Ce que je ferais à ta place, c'est la chose suivante : une table "lieu_de_rencontre", qui contiendrait tous les lieux propices à une rencontre et un pourcentage de chance de se rencontrer, puis une table "presence_dans_lieu" ou tu aurais l"id du lieu de rencontre, l"id de la personne, et la date debut date fin. ainsi, tu pourrais faire une requete faisant correspondre les dates pour un même lieu qui te retournerait la liste des personnes qui ont une chance de se rencontrer.

[xxiemeciel]

Salut,

Il faudrait que tout tes CVs soit concu sur le meme modele pour pouvoir retrouver les information spécifiques dont tu parles et les comparer. Malheureusement dans la realite il n'y a pas un CV qui se ressemble. Comment vas tu comparer par exemple celui qui marque UNSA a celui qui a marqué Université de Nice Sophia Antipolis.

Sinon je rejoins ce qu'a dit KiLVaiDeN l'informatition risque de ne pas etre fiable, tu peux toujours offrir des statisitques ou utiliser de la logique floue pour savoir si de personnes ont des chances de se connaitre.

XXiemeciel

[KiLVaiDeN]

Oui de toutes manières tu ne pourras pas faire un traitement automatique d'une base de CV sans qu'ils soient normalisés dans leur format, comme le dit xxiemciel. Je n'ai même pas parlé de la chose, car ça me parraissait évident, un traitement informatique ne peut s'appliquer que sur des éléments formatté de manière homogène, à moins de faire des mécanismes complexes et à tolérance d'erreur qui ne sont plus de l'informatique pure, mais de l'intelligence artificielle.

Ce qu'il faut faire ( si tu veux venir à bout de ce projet ) c'est à partir de l'ébauche de modèle que je t'ai donné ( ou avec un modèle ressemblant, plus fins ) tu pourrais proposer une interface de saisie qui permettrait de choisir un "lieu de rencontre" parmi la liste des lieux existants ( tu peux aussi les catégoriser pour mieux les retrouver ) ou permettre d'en rajouter un nouveau, si le lieu n'existe pas, et de préciser la date debut date fin du lieu, avec une chance estimé de rencontre entre deux personnes ayant été dans le même lieu pour la même durée... c'est quand même assez tordu et subjectif, mais ça devrait répondre à ce que tu cherches comme fonctionnement, j'imagine que ça peut quand même être une application interessante au final, surtout lorsque la base de CV est importante et que le travail de saisie a été fait convenablement

[camboui]

Alors oui, je cherche à réaliser ce genre d'application.

Je dispose d'une DB existante que d'autres ont pris la peine d'encoder. Je peux en extraire tous les critères qu'on croira utile pour établir des relations entre personnes. "UNSA" ou "Université de Nice Sophia Antipolis" ne pose donc aucun problème, les encodeurs ayant en principe fait leur boulot correctement.
Ce n'est pas à moi à juger de la qualité du résultat, mais à l'utilisateur.

L'exemple du club est même bien plus significatif que celui des études ou des boîtes fréquentées. Si je disposais de ce genre d'info dans ma DB, croyez-moi, il y en a qui sont prêts à payer des fortunes pour les obtenir.

Bref, j'ai un ensemble de critères qui peuvent servir à établir la probabilité que deux personnes se "connaissent" (affiliation à un parti politique, membre honoraire d'une ONG, etc). Les critères ne sont donc pas uniquement géographiques ou temporels. Une pondération pourra être attribuée à chacun de ces critères afin d'obtenir une "probabilité globale".

[random]

deux questions de méthode vont se poser

la transitivité pierre connait paul qui ne connait pas pierre
exemple dans une tentreprise de plus de 1000 personnes
pierre connait paul pdg avec lequel il a parlé au cocktail de la campagne
supervendeur, paul ne connait pas pierre pour autant
par contre pierre connait nathalie la pulpeuse hotesse d'accueil de l'hotel x
où il descend chaque semaine, nathale ne le connait pas, mais connait
partick bruel à côté de qui elle a voyagé en train en 2001

l'oubli pierre reconnait paul qui a scalpé la prof d'allemand en première
paul ne reconnait pas pierre qui a obtenu une moyenne de 19 en allemand cette année là
quand à antoine et claude assis côte à côte cette année là ils se sont
entr'oubliés

[KiLVaiDeN]

En fait, plus que les problèmes de cohérences des données, et de tous les problèmes évoqués, ce qui me gène c'est de ne pas trouver de réponse à la question : "pourquoi faire?"

En gros, le but c'est de mettre des relations pondérées entre les gens; pour les placer ensemble dans des mêmes missions ? pour ne PAS les placer ensembles dans des mêmes missions ? Dans le but d'obtenir de meilleurs résultats par rapport aux équipes ? Pour faire semblant d'avoir des relations, en citant des noms/prénoms de gens que la personne serait succeptible de connaitre ? Pour "tracer" les gens ? Obtenir des informations transverses ?

Je ne pige pas trop, mais en tout cas, je pense qu'on est en plein dans l'invention d'une application à but purement subjectif !

[camboui]

"Pourquoi"?
Simple... On me paye pour.

Plus intélectuellement parlant, le projet semble intéressant et pourrait être étendu à d'autres types de données.
En fait ici, je dispose d'une DB objective de laquelle je dois extraire des relations entre enregistrements.
On pourrait par exemple avoir une DB de recettes de cuisine et se demander pour une recette donnée celles qui lui "ressemblent", soit par ses ingrédients, son temps de préparation, son coût, ses origines culturelles, que sais-je quoi d'autre.

L'utilisation finale sera sans doute très subjective. Peu importe pour moi.
De mon coté, les critères sont objectifs. Deux personnes qui ont fréquenté la même université, y ont fait les mêmes études, et obtenu le même diplome, doivent être mises en relation. Si, de plus, elles sont toutes les deux socialistes et supporters du PSG, alors la relation est encore plus "forte". Et si, de plus, chacune a épousé une femme, les deux femmes étant soeurs jumelles, alors je vous dis pas si la relation est vraiment très forte

Vous voyez le topo?
Bref, it faut faire abstraction du type de donnée et de leur finalité commerciale.
Moi, je suis juste le maître d'oeuvre qui va triturer une DB "objective".

Pour tout vous avouer, je ne sais pas trop ce que le client va en faire exactement. C'est un service supplémentaire qu'il va proposer à ses propres clients. Il pourra dire: "vous voyez, notre produit permet aussi de faire ça, ça et ça". C'est finalement peut-être une fonctionalité inutile à usage marketing. Qui sait?

[KiLVaiDeN]

Salut

Et des frères jumeaux siamois, tu y as pensé ?? eux ils vont avoir une relation 100% concrète !

Blague à part, je comprend ton point de vue. Pour un informaticien, il est difficile de contester le travail qui nous est donné, même si "éthiquement" il ne nous interesse pas.

Cependant; c'est quand même dangereux de faire des choses sans avoir d'opinion. Quand tu dis que tu t'en moques, ça me fait peur, car toi en tant que citoyen sur lequel ce "jugement de relation" pourrait être porté tu t'en moques, imagines les petits informaticiens brésiliens ou indiens, ils s'en moquent triplement; pourtant faire des applications en gardant son intégrité, bien que difficile, est vers quoi nous devrions nous orienter, je trouve

[2Eurocents]

Ce que tu veux faire ressemble à de "l'analyse par grappe", ou "cluster analysis", non ?

Dans ce cas, la principale difficulté va peut être provenir du (très) grand nombre de critères de rapprochement utilisable.

L'autre principale difficulté sera peut être effectivement d'ordre légal, en fonction de la nature des informations stockées dans la base, de celles qui seront croisées, et de l'exploitation qui en sera faite. Les traitements automatisés de données nominatives sont quand même très sévèrement encadrés par la loi "Informatique et Liberté". Il me semble même me souvenir qu'une lecture extensive de la loi interdisait toute gestion d'informations nominatives par "profil".

[camboui]

Salut

Et des frères jumeaux siamois, tu y as pensé ?? eux ils vont avoir une relation 100% concrète !

Blague à part, je comprend ton point de vue. Pour un informaticien, il est difficile de contester le travail qui nous est donné, même si "éthiquement" il ne nous interesse pas.

Cependant; c'est quand même dangereux de faire des choses sans avoir d'opinion. Quand tu dis que tu t'en moques, ça me fait peur, car toi en tant que citoyen sur lequel ce "jugement de relation" pourrait être porté tu t'en moques, imagines les petits informaticiens brésiliens ou indiens, ils s'en moquent triplement; pourtant faire des applications en gardant son intégrité, bien que difficile, est vers quoi nous devrions nous orienter, je trouve

Je comprend ta réaction.

Je suis informaticien, en effet, et je manipule des données confidentielles à longueur de journée. Et c'est vrai pour tous les métiers du monde: que se soit dans l'industrie de l'armement, de la chimie, de la médecine, des produits de beauté/parfum, dans le monde boursier/financier/bancaire, le monde judiciaire, les assurances, etc.
Qui n'a pas dû passer une visite médicale à l'embauche, pour obtenir un prêt hypothécaire, une assurance, etc, avec des doutes, des soupçons?
Il me suffit d'ouvrir mes boîtes aux lettres (physique et électronique) tous les jours pour être assez surpris parfois du ciblage publicitaire pertinent dont je fais l'objet. Je peux même parfois deviner d'où vient la "fuite".
Les Pages Blanches, dispo sur le net pour pratiquement n'importe quel pays du monde, sont accessibles publiquement et gratuitement. Il suffirait que je te dise mon nom pour que tu retrouves en 3 clics mon adresse et mon numéro de téléphone. Je trouve ça très douteux. Et pourtant les pages blanches existent depuis qu'on a inventé le téléphone. Autant les opérateurs téléphoniques que de nos gouvernants n'y trouvent rien à redire...
Bref, on peut aller loin dans ce débat.

Dans ce cas concret, et afin de soulager un peu tes appréhensions éthiques, les données sont collectées auprès des intéressés eux-même. Il mettent un point d'honneur à fournir des données précises. Ils ne fournissent que des données à caractère public et professionnel (pas d'adresse/téléphone du domicile, pas de hobby, etc).

[xxiemeciel]

Salut,

Maintenant que tu as ta base de données et si celle si est fiable tu pourrais t'en servir pour creer un reseau de neurone a ponderation sur une certaine quantité de requetes SQL prédéfini. Tu initialises ton reseau avec une certaine quantité de personnes dont tu connais les relations (intel connait intel etc ...)

Par contre ca va etre un sacré boulot y'en a pour un moment avant de faire fonctionner un truc comme ca.

Sinon tu peux aussi faire des recherches sur le data mining, les treillis de Galois et les regles de decisions qui en decoule. Le laboratoire LARIM de l'université du Quebec en Outaouais fais de la recherche de pointe dans ce domaine et cherche justement a extraire des informations de ce genre dans des tres grosses bases de données. Je suis pas sur que ce soit accessible sur le web mais ils developpenet une application nommé Galicia qui genere les treillis de Galois et les regles associative.

XXiemeciel

[camboui]

J'ai déjà implémenté un réseau de neurones avec succès. Il est basé sur les cartes auto-organisatrices. Et je suis bien sûr en train de voir dans quelle mesure il pourrait être appliqué ici.
Entre parenthèse, j'exclus les réseaux avec supervision, c'est trop contraignant.

Le problème que je vois avec les neurones c'est que je dois donner une pondération à chaque critère à l'avance, sans compter l'impossiblité de remonter directement à la source pour justifier le résultat.
Par exemple, si deux personnes se "connaissent" avec une probabilité X, je voudrais savoir pourquoi. Parce qu'elles ont été collègues, ou parce qu'elles ont fait les mêmes études?

[xxiemeciel]

Dans ce cas les treillis de Galois et les regles associatives de Galicia correpsondent a ce que tu cherches je pense. L'université du Quebec en Outaouais a peut etre des these ou des memoires fais par des anciens etudiant sur le sujet (mots clefs Data mining, treillis de Galois, regles de decision, regles associatives)

Galicia permet de faire des choses dans ce style la, bon c'est un exemple simpliste mais le principe est le meme.

- Une femme
- De 40 ans
- Elle fais son epicerie
- Elle achete du pain

Galicia va te donner la probabilité qu'elle achete aussi des oeufs et lait.

XXiemeciel

[2Eurocents]

Le problème que je vois avec les neurones c'est que je dois donner une pondération à chaque critère à l'avance, sans compter l'impossiblité de remonter directement à la source pour justifier le résultat.
Par exemple, si deux personnes se "connaissent" avec une probabilité X, je voudrais savoir pourquoi. Parce qu'elles ont été collègues, ou parce qu'elles ont fait les mêmes études?

Si l'on ajoute la nécessité de justifier les décisions, est-ce que ça ne rentre pas dans les capacités d'un système expert d'ordre 0+ ?

A voir ensuite s'il faut créer un nouveau moteur d'inférences, ou bien si la base de donnée peut être machée pour être fournie en entrée d'un produit déjà tout fait ...

[random]

on pourrait établir une table des faits

qui quoi quand ou avecqui comment
pierre naissance 12/68 montreuil
paul métier 12/83 ingénieur
jesus religion 00/00-04 33 palestine apôtre catholique
jeanne parenté pierrette cousine
fred séjour 12/98-6-01 boston maria étudiant
antoine employeur etc...
il y a un gros travail de sémantique
on peut créer ensuite créer une table des proximités décroissantes
si on considére que cousine est plus lointaine que soeur, et que médecin est plus proche d'ingénieur que juriste

on peut ensuite peser les quoi(on pourrait sans doute trouver d'autres
propriétés)
on écrit ensuite des règles de pondération des relations et distances
et on fait les calculs
évidemment l'idéal serait de partir de situations connues (x est ami de y)
et de chercher les facteurs discriminants

par contre même si c'est intellectuellement excitant je crains qu'on retrouve au bout du compte (malgè Bourdieux) ce que disait Montaigne
de la Boétie ("parceque c'était moi, parceque c'était lui")

[random]

de + les spécialistes du marketing ont des outils de calcul de
corrélations (non évidentes, ni redondantes)
par contre ces méthodes reposent sur des facteurs calculables
en ce qui te concerne le critère n'est pas calculable puisque non
vérifiable (sinon au sens tautologique (un frère connaît son frère)
tu devrais arriver à une table des affinités du genre de celles des officines matrimoniales et augmenter très fortement les probabilités de "connaissance" mais ton modèle gagnerait beaucoup en probabilité

il y a une étude sur la proximité des personnes qui mesure la proximité
des personnes dans une chaine de connaissance par exemple en combien de personnes peux tu joindre le président ?
1 si tu es ministre ou apparenté
2 pour un maire de petite ville
3 pour le frère de ce maire
4 pour le coapin du frère

l'étude met en valeur une distance maximale entre deux individus de la planète très faible (moins de 8 ) je crois de mémoire

ceci n'est pas si loin du sujet

[camboui]

Dans ce cas les treillis de Galois et les regles associatives de Galicia correpsondent a ce que tu cherches je pense. L'université du Quebec en Outaouais a peut etre des these ou des memoires fais par des anciens etudiant sur le sujet (mots clefs Data mining, treillis de Galois, regles de decision, regles associatives)

Galicia permet de faire des choses dans ce style la, bon c'est un exemple simpliste mais le principe est le meme.

- Une femme
- De 40 ans
- Elle fais son epicerie
- Elle achete du pain

Galicia va te donner la probabilité qu'elle achete aussi des oeufs et lait.

XXiemeciel

Hmmm.
Oui et non.

En fait je dispose de "données exactes" qui permettent de déterminer des "liens précis" entre elles.
Par exemple:
"John Smith" ayant un diplome de "Harvard 1980"
"Jack Smith" ayant un diplome de "Harvard 1989"
Le lien précis que j'en retire c'est "Harvard", et aussi "Smith". A moi de donner une pondération à chacun des liens pour déterminer le lien global entre les deux données.
J'ai parlé de probabilité au début, c'est sans doute une erreur car j'y introduis une notion subjective qui pourrait impliquer une analyse sémantique alors qu'elle est inutile.

La probabilité que deux personnes se connaissent dans ce contexte est en définitive l'interprétation que l'on donnera à la valeur du "lien précis".
En gros, ce "lien précis" sont les valeurs communes entre mes données, simplement.

Dans ce cadre, "la femme de 40 ans qui achète du pain dans son épicerie aura une probabilité X d'acheter aussi des oeufs et du lait" n'ajoute aucune valeur à la donnée de départ (à savoir "la femme de 40 ans qui achète du pain dans son épicerie").

Ceci dit, merci pour les infos. Il y a peut-être moyen d'extrapoler pour mon projet.

[camboui]

de + les spécialistes du marketing ont des outils de calcul de
corrélations (non évidentes, ni redondantes)
par contre ces méthodes reposent sur des facteurs calculables
en ce qui te concerne le critère n'est pas calculable puisque non
vérifiable (sinon au sens tautologique (un frère connaît son frère)
tu devrais arriver à une table des affinités du genre de celles des officines matrimoniales et augmenter très fortement les probabilités de "connaissance" mais ton modèle gagnerait beaucoup en probabilité

il y a une étude sur la proximité des personnes qui mesure la proximité
des personnes dans une chaine de connaissance par exemple en combien de personnes peux tu joindre le président ?
1 si tu es ministre ou apparenté
2 pour un maire de petite ville
3 pour le frère de ce maire
4 pour le coapin du frère

l'étude met en valeur une distance maximale entre deux individus de la planète très faible (moins de 8 ) je crois de mémoire

ceci n'est pas si loin du sujet

En fait, Random, c'est exactement ça qu'il me faut, tu as trouvé
A terme on va me demander de calculer la proximité entre les personnes.

Les facteurs sont calculables, c'est l'interprétation du calcul résultant qui sera laissé à l'appréciation de l'utilisateur.
L'utilisateur va savoir que deux personnes ont fait leur études en même temps à Harvard. Il a juste besoin de connaître ce fait, pas d'avoir la valeur de la probabilité qu'elles se connaissent par ce fait (même si on peut la lui donner à titre indicatif, bien que cette valeur serait basée sur des résultats statistiques dont je ne dispose pas).

Comme tu le dis, on a une table de faits. Chaque personne englobe un ensemble de faits. La possibilité que 2 personnes puissent se connaitre est constituée par leurs faits communs, c'est à dire l'intersection de leur faits. En toute simplicité, on va dire que plus cette intersection est grande plus il y a de chances que ces personnes se connaissent.