Extraction de motifs séquentiels contextuels

Julien Rabatel 1, * Sandra Bringay 1, 2
* Corresponding author
1 TATOO - Fouille de données environnementales
LIRMM - Laboratoire d'Informatique de Robotique et de Microélectronique de Montpellier
Résumé : Les motifs séquentiels traditionnels ne tiennent généralement pas compte des informations contextuelles fréquemment associées aux données séquentielles. Dans le cas des séquences d'achats de clients dans un magasin, l'extraction classique de motifs se focalise sur les achats des clients sans considérer leur catégorie socio-professionnelle, leur sexe, leur âge. Or, en considérant le fait qu'un motif séquentiel est spécifique à un contexte donné, un expert pourra adapter sa stratégie au type du client et prendre les décisions adéquates. Dans cet article, nous proposons d'extraire des motifs de la forme " l'achat des produits A et B suivi de l'achat du produit C est spécifique aux jeunes clients ". En mettant en valeur les propriétés formelles de tels contextes, nous développons un algorithme efficace d'extraction de motifs séquentiels contextuels. Les expérimentations effectuées sur un jeu de données réelles montrent les apports et l'efficacité de l'approche proposée.
Document type :
Conference papers
Complete list of metadatas

Cited literature [12 references]  Display  Hide  Download

https://hal-lirmm.ccsd.cnrs.fr/lirmm-00670979
Contributor : Julien Rabatel <>
Submitted on : Thursday, February 16, 2012 - 2:06:26 PM
Last modification on : Thursday, June 6, 2019 - 2:35:14 PM
Long-term archiving on: Friday, November 23, 2012 - 4:16:18 PM

File

Rabatel_EGC2011.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : lirmm-00670979, version 1

Citation

Julien Rabatel, Sandra Bringay. Extraction de motifs séquentiels contextuels. EGC: Extraction et Gestion des Connaissances, Jan 2011, Brest, France. pp.11-22. ⟨lirmm-00670979⟩

Share

Metrics

Record views

254

Files downloads

441