Motifs séquentiels δ-libres
Résumé
Sequential pattern mining is a challenging task with important locks like the size of the output. In this paper, we propose a new approach that extract the more general patterns and suppress the more specific patterns with similar frequencies. We defined $\delta$-sequential patterns that enable to reduce the output. Even if this notion is already known for itemsets, we show that its extension to the sequence framework is very difficult. The approach produces few and useful patterns for data mining tasks like sequence classification.
Bien que largement étudié, l'extraction de motifs séquentiels reste une tâche très difficile et pose aussi le défi du grand nombre de motifs produits. Dans cet article, nous proposons une nouvelle approche extrayant les motifs séquentiels les plus généraux à fréquence similaire. Nous montrons en quoi l'extension de cette notion, déjà connue pour les motifs ensemblistes, est un problème particulièrement difficile pour les séquences. Outre le nombre réduit de motifs produits, les motifs $\delta$-libres ainsi obtenus facilitent les usages d'un processus de fouille et nous montrons leur apport comme descripteurs dans un contexte de classification de séquences.