Réinitialiser mot de passe
E-mail
Password
RNTI

MODULAD
Découverte de motifs intelligibles et caractéristiques d’anomalies dans les traces unitaires
In EGC 2016, vol. RNTI-E-30, pp.27-38
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.