Des séquences aux tendances

Céline Fiot 1 Florent Masseglia 1 Anne Laurent 2 Maguelonne Teisseire 2
1 AxIS - Usage-centered design, analysis and improvement of information systems
CRISAM - Inria Sophia Antipolis - Méditerranée , Inria Paris-Rocquencourt
2 TATOO - Fouille de données environnementales
LIRMM - Laboratoire d'Informatique de Robotique et de Microélectronique de Montpellier
Résumé : Les données temporelles peuvent être traitées de nombreuses façons afin d'en extraire des connaissances. La découverte de motifs séquentiels met en évidence des sous-séquences fréquentes contenues dans des séquences d'enregistrements annotés temporellement. L'analyse des accès à un site web permet par exemple de découvrir que "5% des utilisateurs accèdent à la page register.php puis à la page help.html". Cependant, les motifs séquentiels ne permettent pas d'extraire des tendances temporelles, du type "une augmentation du nombre de requêtes au formulaire d'inscription précède souvent une augmentation des requêtes à la page d'aide quelques secondes plus tard". Dans cet article, nous proposons d'extraire des motifs caractérisant ces évolutions fréquentes grâce à deux algorithmes, TED et EVA. Nous présentons notre approche, implémentée et testée sur des données réelles.
Document type :
Conference papers
Complete list of metadatas

https://hal-lirmm.ccsd.cnrs.fr/lirmm-00273920
Contributor : Celine Fiot <>
Submitted on : Wednesday, April 16, 2008 - 4:35:55 PM
Last modification on : Saturday, February 23, 2019 - 7:06:02 PM

Identifiers

  • HAL Id : lirmm-00273920, version 1

Citation

Céline Fiot, Florent Masseglia, Anne Laurent, Maguelonne Teisseire. Des séquences aux tendances. INFORSID'08 : XXVIème Congrès Informatique des Organisations et Systèmes d'Information et de Décision, France. pp.16. ⟨lirmm-00273920⟩

Share

Metrics

Record views

162