Extraction de séquences multidimensionnelles convergentes et divergentes - LIRMM - Laboratoire d’Informatique, de Robotique et de Microélectronique de Montpellier
Article Dans Une Revue Revue des Nouvelles Technologies de l'Information Année : 2007

Extraction de séquences multidimensionnelles convergentes et divergentes

Résumé

Les motifs séquentiels sont un domaine de la fouille de données très étudié depuis leur introduction par Agrawal et Srikant. Même s'il existe de nombreux travaux (algorithmes, domaines d'application), peu d'entre eux se situent dans un contexte multidimensionnel avec la prise en compte de ses spécificités : plusieurs dimensions, relations hiérarchiques entre les éléments de chaque dimension, etc. Dans cet article, nous proposons une méthode originale pour extraire des connaissances multidimensionnelles définies sur plusieurs niveaux de hiérarchies mais selon un certain point de vue : du général au particulier ou vice et versa. Nous définissons ainsi le concept de séquences multidimensionnelles convergentes ou divergentes ainsi que l'algorithme associé, M2S_CD, basé sur le paradigme "pattern growth". Des expérimentations, sur des jeux de données synthétiques et réelles, montrent l'intérêt de notre approche aussi bien en terme de robustesse des algorithmes que de pertinence des motifs extraits.
Fichier principal
Vignette du fichier
EGC2007.pdf (100.33 Ko) Télécharger le fichier
Loading...

Dates et versions

lirmm-00135028 , version 1 (06-03-2007)

Identifiants

  • HAL Id : lirmm-00135028 , version 1

Citer

Marc Plantevit, Anne Laurent, Maguelonne Teisseire. Extraction de séquences multidimensionnelles convergentes et divergentes. Revue des Nouvelles Technologies de l'Information, 2007, Extraction et gestion des connaissances (EGC'2007), Actes des cinquièmes journées Extraction et Gestion des Connaissances, Namur, Belgique, 23-26 janvier 2007, 2 Volumes, RNTI-E-9, pp.283-295. ⟨lirmm-00135028⟩
118 Consultations
120 Téléchargements

Partager

More