Soutenance de thèse de Mickaël MARTIN

Cette thèse propose d'appliquer la fouille de données multidimensionnelles à des données de jeux vidéo afin d'offrir des méthodes et des outils décisionnels pour aider leurs concepteurs à équilibrer leurs mécaniques, dynamiques et esthétiques. Dans un contexte OLAP, notamment en application au domaine des jeux vidéo, les dimensions peuvent souvent être des hiérarchies d'attributs liés entre eux. Cet aspect est peu exploré et pris en compte par les approches de représentation et de calcul des cubes de données. Nous proposons une caractérisation formelle de structures pour les entrepôts de données avec dimensions hiérarchiques. Combiner l'analyse décisionnelle multicritère et la découverte de renversements de tendances permet d'extraire les données globalement optimales pour un ensemble de préférences de choix d'une recherche puis d'observer la significativité statistique de leur évolution selon un critère décisionnel. L'utilisation des cubes de données permet d'explorer et d'appréhender les liens entre plusieurs niveaux d'agrégation. À cette fin, nous caractérisons le Skycube émergent en présentant une représentation réduite grâce aux treillis de Concepts reposant sur la théorie des ensembles en Accord. Nous soumettons également un outil de classification efficace de Skyline afin d'organiser de manière logique et cohérente les informations recherchées. L'objectif de ce travail de recherche est d'offrir une solution pour assister l'équilibrage de la conception de jeux vidéo. Pour cela, nous étendons la plateforme algorithmique IDEA en mettant à disposition la méthode TAGED permettant de calculer ces nouvelles structures en fonction de la classification des dispositifs ludiques.

This thesis proposes to apply multidimensional data mining to video games data in order to provide decision-making methods and tools to help designers balance their mechanics, dynamics and aesthetics. In an OLAP context, particularly applied to the video games field, dimensions can often be hierarchies of interrelated attributes. This aspect is underexplored and underconsidered by datacubes representation and calculation approaches. We propose a formal characterization of structure for data warehouses with hierarchical dimensions. Combining multi-criteria decision-making analysis and trend reversal discovery allows us the possibility to extract globally optimal data for a set of preferential query parameters, thus observing the statistical significance in their evolution according to the decision criterion. Usage of datacubes makes it possible to explore and understand links between multiple aggregation levels. To this end, we characterize the emergent Skycube by presenting a reduced representation using Agree Concept lattice for multidimensional database analysis. We also present an efficient Skyline classification tool in order to organise queried data in a logical and coherent fashion. The main goal of this research work is to offer a tool-assisted solution in video game equilibrium design. Therefore, we extend the IDEA algorithmic platform by providing the TAGED method, to compute these new structures depending on video game classification.