Developed for applications in itemset mining, the notion of Mutual Constrained Independence is a natural generalization of the notion of mutual independence. If the mutual independence model on a finite number of events can be seen as the least binding model for the probabilities of any finite intersection of these events, given the probabilities of each of these events, then the Mutual Constrained Independence Model on a finite number of events can be seen as the least binding model for the probabilities of any finite intersection of these events, given the probabilities of any number of such intersections of events. In this article, we present a first detailed and effective means of computing the Mutual Constrained Independence Model. We show the efficiency of our algorithm and the adequacy of the model by applying it to various examples. A test for the Mutual Constrained Independence Hypothesis is also presented.

Les données textuelles constituent une part importante des données porteuses de connais-sances à découvrir. Ces données présentent souvent deux caractéristiques : d'une part, le fait que différents axes d'analyse peuvent être pertinents pour résumer l'information ; d'autre part la possibilité de représenter en réseau certaines informations. La première caractéristique sous-tend une analyse multidimensionnelle de type OLAP (OnLine Analytical Processing) très liée aux entrepôts de données avec notamment une représentation sous forme de cube de données, dont les cellules contiennent une mesure (indicateur) permettant l'analyse d'un fait, en fonc-tions de dimensions (axes d'analyse) qui définissent le cube. Ce type d'analyse se base sur des opérateurs de navigation dans les données. La deuxième caractéristique relève d'une approche d'analyse/de visualisation de graphe. Pour illustrer cela, un premier exemple se trouve dans l'analyse de données textuelles issues de messages Twitter : d'une part le nombre de messages peut être analysé en fonction de leur auteur, de leur temporalité, du sujet traité, etc. ; d'autre part, il peut être utile de s'intéres-ser au réseau des Twittos où les arêtes représentent par exemple les liens d'abonnement. Un second exemple se situe dans le contexte de l'analyse de la production scientifique. Il peut être pertinent d'analyser cette production au travers du nombre de papiers publiés selon différents axes que seraient leurs auteurs, l'année de publication, les thématiques, etc. De plus, il est intéressant d'analyser le graphe des auteurs pour s'intéresser au réseau de collaborations (co-publications), ou au réseau de citations. Dans cette communication, nous utiliserons ce second exemple de données bibliographiques pour illustrer nos propos. Considérant la double caractéristique des données textuelles évoquée précédemment, et afin de tirer ainsi parti de ces deux visualisations (graphe et cube), un nouveau type d'ana-lyse est apparu : Graph OLAP (Chen et al., 2008). L'idée, sur laquelle elle repose, consiste à construire un cube de graphes dans lequel il est possible de naviguer. Plus précisément, dans cette approche de Graph OLAP, il s'agit de considérer des cubes définis selon des dimensions dites informationnelles, et la mesure contenue dans les cellules correspond à des graphes ou plus exactement à des sous-graphes, qui peuvent présenter des dimensions dites topologiques. Ainsi, les différentes approches relevant de Graph OLAP permettent de visualiser des "instan-tanés" de graphes en fonction des dimensions d'analyse choisies. Différents opérateurs ont été

Si les recherches sur les métaphores en Géographie ne sont pas nouvelles, il n'existe pas d'étude de grande ampleur sur cette question. Pourtant les recherches et les réflexions exis-tantes menées de façon qualitative sur des petits corpus ont montré que les métaphores constituent une entrée particulièrement intéressante pour réfléchir sur la scientificité de la Géogra-phie. Dans le contexte des Humanités Numériques, un projet de recherche regroupant des cher-cheurs en Géographie, Informatique et Linguistique a donc identifié l'intérêt d'étudier ce trope sur un large corpus et cherche par conséquent à détecter automatiquement des métaphores dans des textes de Géographie. Cette communication présente un premier retour d'expérience de l'application de la méthode de Heintz et al. (2013). Il s'agit d'une première étape de tra-vail dont les résultats sont pour l'instant mitigés. Par conséquent, l'objectif est de présenter le processus de recherche en insistant sur les choix qui ont été faits et sur leurs conséquences permettant de mieux comprendre les résultats obtenus et d'envisager des améliorations à venir. La métaphore est un trope qui peut être défini comme un système de correspondances partielles entre un domaine source et un domaine cible. Le choix de la méthode de détection automatique de métaphores résulte d'un état des lieux sur la question. Le travail de Roy et al. (2006) présentant des évolutions diachroniques de métaphores conceptuelles dans des corpus textuels a été identifié comme le plus proche des attentes des géographes. Pourtant, la volonté de travailler sur un large corpus avec des thématiques diverses conduit à vouloir automatiser le processus de recherche. Dans ce cadre, le travail de Heintz et al. (2013) utilisant un modèle de thématiques latentes LDA (Allocation de Dirichlet Latente) est choisi comme répondant le mieux aux objectifs attendus. Il permet de travailler sur un large spectre de domaines sources de métaphores avec comme seule contrainte d'établir pour chaque domaine source quelques mots représentatifs. Concernant le domaine cible des métaphores, il est décidé dans un premier temps de cibler un seul domaine, celui de la Géographie. La méthode choisie s'appuie sur l'utilisation de la méthode LDA sur un large corpus, ici la moitié des articles de Wikipédia choisi de manière aléatoire, pour extraire 100 thématiques. Les domaines sources choisis par les spécialistes sont ensuite articulés à ces thématiques par l'in-termédiaire de mots représentatifs. Dans chaque phrase, la présence de chaque domaine source et du domaine cible est calculée par l'intermédiaire des fréquences d'apparition des mots dans les thématiques. Si une phrase contient le domaine cible et un domaine source sous repré-senté dans l'article (car la méthode fait l'hypothèse qu'une forte représentation est souvent le