Spams, une nouvelle approche incrémentale pour l'extraction de motifs séquentiels fréquents dans les Data streams

Résumé : L'extraction de motifs séquentiels fréquents dans les data streams est un enjeu important traité par la communauté des chercheurs en fouille de données. Plus encore que pour les bases de données, de nombreuses contraintes supplémentaires sont à considérer de par la nature intrinsèque des streams. Dans cet article, nous proposons un nouvel algorithme en une passe : SPAMS, basé sur la construction incrémentale, avec une granularité très fine par transaction, d'un automate appelé SPA, permettant l'extraction des motifs séquentiels dans les streams. L'information du stream est apprise à la volée, au fur et à mesure de l'insertion de nouvelles transactions, sans pré-traitement a priori. Les résultats expérimentaux obtenus montrent la pertinence de la structure utilisée ainsi que l'efficience de notre algorithme appliqué à différents jeux de données.
Document type :
Conference papers
Complete list of metadatas

Cited literature [11 references]  Display  Hide  Download

https://hal-lirmm.ccsd.cnrs.fr/lirmm-00345563
Contributor : Pascal Poncelet <>
Submitted on : Thursday, April 4, 2019 - 9:33:57 AM
Last modification on : Sunday, April 7, 2019 - 1:24:45 AM
Long-term archiving on : Friday, July 5, 2019 - 12:42:24 PM

File

egc09SPAMS.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : lirmm-00345563, version 1

Collections

Citation

Lionel Vinceslas, Jean-Émile Symphor, Alban Mancheron, Pascal Poncelet. Spams, une nouvelle approche incrémentale pour l'extraction de motifs séquentiels fréquents dans les Data streams. EGC: Extraction et Gestion des Connaissances, Jan 2009, Strasbourg, France. pp.205-216. ⟨lirmm-00345563⟩

Share

Metrics

Record views

397

Files downloads

9