Lakhdar Sais - Academia.edu (original) (raw)

Lakhdar Sais

Uploads

Papers by Lakhdar Sais

Lecture Notes in Computer Science, 2002

arXiv (Cornell University), Mar 31, 2018

HAL (Le Centre pour la Communication Scientifique Directe), May 9, 2022

HAL (Le Centre pour la Communication Scientifique Directe), 2008

HAL (Le Centre pour la Communication Scientifique Directe), 2009

HAL (Le Centre pour la Communication Scientifique Directe), 2008

HAL (Le Centre pour la Communication Scientifique Directe), 2009

HAL (Le Centre pour la Communication Scientifique Directe), May 4, 2015

This document briefly describes preSAT 1.0, a new technique designed to efficiently solve structu... more This document briefly describes preSAT 1.0, a new technique designed to efficiently solve structured CNF formulae. preSAT is based on an original preprocessing technique called revival [1]. This technique aims at producing either sub-clauses or relevant additional clauses for the tested CNF. To this end, revival heuristically checks whether each clause is minimally (w.r.t. set-theorical inclusion of literals) irredundant. The efficiency of revival relies on its full integration into a modern SAT solver. Hence, its computation benefits from the classical components of modern DPLLs (watched literals, learning scheme, VSIDS-like heuristics, etc.), boosting (sub-)clauses production. However, on some large industrial problems, revival can be time consuming. To avoid losing time in such cases, our pre-processor has a time limit empirically set to 60 seconds. Therefore, even if new sub-clauses could be produced, the CNF is delivered in its current state. After the application of our reviva...

Résumé. Les symétries sont des propriétés structurelles qu’on détecte dans un grand nombre de bas... more Résumé. Les symétries sont des propriétés structurelles qu’on détecte dans un grand nombre de bases de données. Dans cet article, nous étudions l’exploitation des symétries pour élaguer l’espace de recherche dans les problèmes d’extraction de motifs ensemblistes. Notre approche est basée sur une intégration dynamique des symétries dans les algorithmes de type Apriori permettant de réduire l’espace des motifs candidats. En effet, pour un motif donné, les symétries nous permettent de déduire les motifs qui lui sont symétriques et vérifiant par conséquent les mêmes propriétés. Nous détaillons notre approche en utilisant l’exemple des motifs fréquents. Ensuite, nous la généralisons au cadre unificateur de Mannila et Toivonen pour l’extraction des motifs ensemblistes. Les expériences menées montrent la faisabilité et l’apport de notre approche d’élagage basé sur les symétries.