SUJET DE STAGE : "Fouille de données comportementales pour la maintenance ferroviaire"

            MOTS CLES : Données séquentielles, Fouille de données, Extraction de connaissances

Le sujet de ce stage s’inscrit dans le cadre d’une collaboration de l’équipe Tatoo avec la fondation Fatronik et plus particulièrement est associé aux problèmes de maintenance ferroviaire où les nombreux capteurs associés aux trains permettent d’obtenir des masses d’informations numériques de plus en plus volumineuses. La détection de comportements normaux et d’anomalies devient alors difficile du fait des caractéristiques des données manipulées : gros volumes en terme de descripteurs, données historisées, données disponibles sous forme de flot etc.

Ces travaux de recherche s’intègrent dans un cadre plus global de proposition de méthodes, basées sur l'extraction de motifs séquentiels, capables de répondre aux problèmes suivants : extraire des profils de comportements typiques voire atypiques, coupler les éventuelles anomalies à d’autres bases d’information (météo, localisation …) afin d’en mesurer la pertinence.

De façon plus précise, l’objectif de ce stage sera de proposer des relations de causalité pertinentes. La recherche de motifs séquentiels permet de découvrir des motifs du type « beaucoup de clients ont acheté les articles A et B simultanément puis les articles A et C simultanément puis l'article B. » Si ces motifs permettent de décrire les données, ils ne contiennent en aucune manière l'idée de causalité. Or il paraît primordial, dans le cadre des données ferroviaires, de connaître les relations causales qui lient les occurrences d'items. Il serait ainsi possible de découvrir les règles du type : « quand les clients achètent les articles A et B simultanément puis les articles A et C simultanément alors ils achètent ensuite l'article B. ». Il s'agit donc d'élargir les définitions et méthodes étudiées pour les règles d'association au contexte temporel.

Le travail à réaliser est donc axé sur les points suivants :
-    Identifier les concepts nécessaires et les définitions associées,
-    Mettre en évidence les mesures pertinentes pour évaluer la notion de causalité,
-    Définir les algorithmes associées capables de passer à l'échelle face aux gros volumes de données,
-    Evaluer ces algorithmes sur les données réelles de la fondation Fatronik.

Références bibliographiques :

• R. Agrawal and R. Srikant. « Mining Sequential Patterns ». Proc. of the 11th International Conference on Data Engineering, pages 3-14, March 1995.

• Chang-Hung Lee, Philip S. Yu , and Ming-Syan Chen. « Mining Relationship between Triggering and Consequential Events in a Short Transaction Database ». SIAM International Conference on Data Mining (SDM) 2002. http://www.siam.org/meetings/sdm02/proceedings/sdm02-24.pdf

. Edi Winarko, John F. Roddick « Discovering Richer Temporal Association Rules from Interval-Based Data » Proc. of the 7th International Conference Data Warehousing and Knowledge Discovery (DaWaK) 2005, Copenhagen, Denmark, August 22-26, 2005 pp. 315-325.