1/17FDC janvier 2006 Alice MARASCU Florent MASSEGLIA Projet AxIS INRIA Sophia Antipolis Classification de flots de séquences basée sur une approche centroïde

2/17FDC janvier 2006 Plan  Objectif  Contexte et contraintes  SCDS : clustering de flots de séquences  Expérimentations  Conclusion  Perspectives

3/17FDC janvier 2006 Objectif  Travail au croisement entre:  Motifs séquentiels « enchaînements fréquents de séquences dans les bases de données, avec des contraintes temporelles »  Data streams « une séquence infinie de données produites sans interruption à une grande vitesse »  Objectif: extraire les motifs séquentiels dans les data streams

4/17FDC janvier 2006 Contexte & Contraintes CONTEXTE  Des données arrivant avec une grande rapidité.  Des données en quantité potentiellement infinie.  Des données que l’on ne peut pas stocker de manière exhaustive. CONTRAINTES  Mémoire limitée.  Algorithmes fonctionnant en une seule passe ( pas de backtracking sur les données ).  Contraintes de performances : - pas de requêtes bloquantes - réaction rapide aux valeurs entrantes  Les requêtes longues doivent s’adapter aux changements qui ont lieu pendant leur exécution.

5/17FDC janvier 2006 Idée générale résumés des clusters (résumé du batch)

6/17FDC janvier 2006 Affecter une séquence à un cluster Cluster 1 Cluster 2 Cluster n …… ? Cluster i séquence 1 séquence 2 séquence 3 … séquence j … séquence n i Beaucoup de temps ! Nouvelle séquence

7/17FDC janvier 2006 Affecter une séquence à un cluster Cluster i séquence 1 séquence 2 séquence 3 … séquence j … séquence n i Nouvelle séquence Résumé du cluster

8/17FDC janvier 2006 Méthode proposée Sequence Clustering in Data Streams (SCDS)

9/17FDC janvier 2006 Alignement

10/17FDC janvier 2006 Résumer un cluster Cluster i (a:2, c:1, d:1):2 (e:2):2 (h:1):1 (m:2, n:2):2 (a:3, b:1, c:1, d:1):3 (e:3):3 (h:1, i:1, j:1):2 (m:3, n:2):3 (a:3, b:2, c:1, d:1):4 (e:4):4 (h:2, i:2, j:1):3 (m:4, n:2):4 (a, c) (e) (m, n)

11/17FDC janvier 2006 Ordre de stockage des séquences Cluster i séquence j séquence 2 séquence n i … séquence 3 … séquence 1 Cluster i séquence 1 séquence 2 séquence 3 … séquence j … séquence n i temps

12/17FDC janvier 2006 Distance entre séquences s 1 : (a) (a) (c) s 2 : (a, c) … similitude (s 1, s 2 ) =1+0+1 = 2

13/17FDC janvier 2006 Affecter une séquence à un cluster Cluster 1 Cluster 2 Cluster n …… Cluster i Nouvelle séquence Centroïde du cluster 1 Centroïde du cluster 2 Centroïde du cluster i Centroïde du cluster n …… Conditions : ? dist(s 1, s 2 ) =

14/17FDC janvier 2006 Temps de réponse et robustesse de SCDS

15/17FDC janvier 2006 Qualité du clustering

16/17FDC janvier 2006 Conclusion  Méthode d’extraction SCDS  Méthode centroïde de clustering  Analyse du temps d’exécution

17/17FDC janvier 2006 Perspectives Améliorer l’analyse de la qualité du résultat  Comparer à une classification hiérarchique  Autre classification ?  Méthode de comparaison ?

18/17FDC janvier 2006 Détection des cluters dégradés Cluster dégradé Nouveaux clusters