Mining Heterogeneous Multidimensional Sequential Patterns

Elias Egho 1 Chedy Raïssi 1 Nicolas Jay 1 Amedeo Napoli 1
1 ORPAILLEUR - Knowledge representation, reasonning
Inria Nancy - Grand Est, LORIA - NLPKD - Department of Natural Language Processing & Knowledge Discovery
Résumé : Tous les domaines de la science et de la technologie produisent gros volumes de données hétérogènes. L'exploration de tels volumes de données reste toujours un défi. Peu de travaux ciblent l'exploration et l'analyse de données séquentielles multidimensionnelles et hétérogènes. Dans ce travail, nous présentons une nouvelle approche appelée MMISP pour extraire des motifs séquentiels à partir de données séquentielles multidimensionnelles et hétérogènes, selon différents niveaux de granularité dépendant de connaissances extérnes. L'approache MMISP a été appliquée à l'analyser de trajectoires de soins de santé de patients en oncologie. Les données proviennent d'une base de données médico-administrative incluant toutes les informations sur les hospitalisations des patients dans la région Lorraine (France).
Type de document :
Rapport
[Research Report] RR-8521, INRIA. 2014
Liste complète des métadonnées

Littérature citée [16 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-00979804
Contributeur : Elias Egho <>
Soumis le : jeudi 17 avril 2014 - 10:28:43
Dernière modification le : jeudi 11 janvier 2018 - 06:25:24
Document(s) archivé(s) le : lundi 10 avril 2017 - 14:42:45

Fichier

RR-8521.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-00979804, version 1

Citation

Elias Egho, Chedy Raïssi, Nicolas Jay, Amedeo Napoli. Mining Heterogeneous Multidimensional Sequential Patterns. [Research Report] RR-8521, INRIA. 2014. 〈hal-00979804〉

Partager

Métriques

Consultations de la notice

658

Téléchargements de fichiers

422