Abstract : We present the HASAR method that is an hybrid approach for ex- tracting adaptive sequential association rules. This method extracts association rules between events occurring in subsequent time-intervals using closed itemsets extraction and evolutionary techniques. An important feature is its capacity to consider different time-intervals depending on the attributes semantic. We applied this method for the analysis of long term medical observations of atherosclerosis risk factors for cardio-vascular diseases prevention. Experimental results show that it is well-suited for extracting knowledge from temporal data where interesting patterns have different observation period length.
Résumé : Nous présentons la méthode HASAR qui est une approche hybride pour lextraction de règles dassocations séquentilles. Cette méthode extrait des règles association entre des évènements ayant lieu à différent moment en extrayant des itemsets fermés fréquents et en utilisant des techniques évolutionnaires. Une fonctionnalité important de notre méthode est sa capacité à sadapter à différente échelle de temps en fonction de la sémantique des attributs. Nous avons appliqué cette méthode pour analyser des observations médicales à long terme sur les facteurs de risques de lartherosclerose. Les résultats expérimentaux ont montré que cette méthode est bien adaptée pour extraire des connaissance à partir de données temporelles ou les motifs intéressants doivent être observés sur différentes périodes de temps.