Découverte de motifs intelligibles et caractéristiques d'anomalies dans les traces unitaires

Olivier Cavadenti 1 Victor Codocedo 1 Mehdi Kaytoue 1 Jean-François Boulicaut 1
1 DM2L - Data Mining and Machine Learning
LIRIS - Laboratoire d'InfoRmatique en Image et Systèmes d'information
Résumé : De nombreuses industries manufacturières s'intéressent aujourd'hui à l'exploitation des grandes collections de traces unitaires. Les applications sont multiples et vont du simple "reporting" à la détection de fraudes en passant par la gestion de retours ou encore la mise en évidence d'incohérences dans les circuits de distribution. Une étape importante consiste à détecter des anomalies dans des collections de traces. Si les travaux concernant la détection d'anomalies sont assez nombreux, peu permettent de caractériser les anomalies détectées par une description intelligible. Étant donné un ensemble de traces unitaires, nous développons une méthode d'extraction de motifs pour détecter et contextualiser des comportements non conformes à un modèle expert (fourni ou construit à partir des données). Le degré d'anomalie est alors quantifié grâce à la proportion du nombre de mouvements des objets qui ne sont pas prévus dans le modèle expert. Cette recherche est financée partiellement par un programme industriel qui ne permet ni de dévoiler le contexte concret ni de parler des données réelles. Ainsi, nous validons empiriquement la valeur ajoutée de la méthode proposée par l'étude de traces de mobilité dans un jeu vidéo : nous pouvons alors discuter d'un motif qui explicite les raisons de l'inexpérience de certains joueurs.
Type de document :
Communication dans un congrès
16ème Conférence Internationale Francophone sur l'Extraction et la Gestion des Connaissances, Jan 2016, Reims, France. 2016
Liste complète des métadonnées

Littérature citée [19 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-01265254
Contributeur : Olivier Cavadenti <>
Soumis le : dimanche 31 janvier 2016 - 16:42:19
Dernière modification le : jeudi 19 avril 2018 - 14:38:06
Document(s) archivé(s) le : vendredi 11 novembre 2016 - 23:00:28

Fichier

EGC2016.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01265254, version 1

Citation

Olivier Cavadenti, Victor Codocedo, Mehdi Kaytoue, Jean-François Boulicaut. Découverte de motifs intelligibles et caractéristiques d'anomalies dans les traces unitaires. 16ème Conférence Internationale Francophone sur l'Extraction et la Gestion des Connaissances, Jan 2016, Reims, France. 2016. 〈hal-01265254〉

Partager

Métriques

Consultations de la notice

159

Téléchargements de fichiers

271