Motifs séquentiels multidimensionnels étoilés

L’extraction de motifs séquentiels est un domaine de la fouille de données permettant de rechercher des corrélations fréquentes entre des valeurs en prenant en compte leur chronologie d’apparition. Dans le contexte du panier de la ménagère, ce type de méthodes permet par exemple l’extraction de règles de la forme 〈(TV,DV D)(magneto numerique)〉, indiquant qu’un nombre suffisamment important (au sens du support) de clients ont acheté d’abord un téléviseur et un lecteur DVD puis un magnétoscope numérique. Si de nombreux travaux permettent l’extraction de tels motifs, il n’en reste pas moins que ces motifs sont parfois très pauvres par rapport aux bases de données qu’ils décrivent. En effet, il n’existe pas à l’heure actuelle de méthode permettant de mettre en exergue des corrélations entre valeurs de différents attributs, par exemple pour découvrir des règles de la forme 〈{(surf,NY ), (housse,NY )}, {(combi, SF )}〉 indiquant qu’un nombre important de personnes ont acheté leur planche de surf et la housse à New York avant de se rendre à San Francisco où ils ont acheté une combinaison. Si la littérature recense des contributions liées aux motifs séquentiels multidimensionnels proposées par l’équipe de Jiawei Han, celles-ci ne permettent pas de combiner plusieurs attributs au sein des motifs extraits. Dans cet article, nous montrons donc les limites des approches existantes et proposons une approche complète d’extraction de motifs multidimensionnels multi-attributs. Nous définissons les concepts associés à ces motifs et décrivons les algorithmes permettant leur extraction. Ces algorithmes sont validés par des expérimentations montrant l’intérêt de notre approche.