Un outil d'analyse des séries chronologiques
Il est possible lors de l'enregistrement de numéros de loterie ou de la valeur de l'indice boursier sur une période de temps particulière, de générer des séquences de chiffres appelées séries chronologiques. Lorsque ces séquences sont relatives à des phénomènes ou des procédés non aléatoires, leur analyse peut mettre en évidence des informations significatives sur le comportement du phénomène étudié. Habituellement, les séries chronologiques se composent de milliers de données et leur analyse nécessite des outils logiciels et mathématiques spécifiques. Dans le cadre du projet IRAIA, la Fondation grecque pour la Recherche et la Technologie (Greek Foundation for Research and Technology, FORTH) a développé un outil logiciel destiné à analyser des paramètres spécifiques de séries chronologiques. L'outil développé par FORTH ne fait pas partie des outils logiciels habituellement utilisés pour analyser les séries chronologiques, lesquels comprennent une grande variété de fonctions mathématiques complexes et prennent en compte divers types de paramètres. Cet outil dispose d'une fonction particulière lui permettant de détecter les séries chronologiques dans de vastes bases de données et a pour objectif d'établir une corrélation entre les cohérences relevées au niveau de ces séries chronologiques et des ensembles de références textuelles cohérents, le tout étant sauvegardé dans des bases de données. Grâce à ces caractéristiques, cet outil est parfaitement utilisable à des fins de prévision et de clustering et peut fournir des renseignements sur l'impact éventuel des séries entre elles. Par exemple, lorsqu'une variable décrivant un phénomène économique influe sur une autre, il est possible de mieux analyser cet impact et d'extraire des informations cachées en les exprimant sous forme de séquences numériques aux valeurs significatives plutôt que d'informations textuelles difficiles à interpréter. L'outil a été développé dans un environnement Java afin d'atteindre un niveau d'interopérabilité élevé. Son champ d'application peut être étendu à des situations où les informations contextuelles inhérentes à des documents purement numériques comme les séries chronologiques doivent être extraites.
