Spams, une nouvelle approche incrémentale pour l'extraction de motifs séquentiels fréquents dans les Data streams - LIRMM - Laboratoire d’Informatique, de Robotique et de Microélectronique de Montpellier
Communication Dans Un Congrès Année : 2009

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.
Fichier principal
Vignette du fichier
egc09SPAMS.pdf (312.43 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

lirmm-00345563 , version 1 (04-04-2019)

Identifiants

  • HAL Id : lirmm-00345563 , version 1

Citer

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⟩
326 Consultations
63 Téléchargements

Partager

More