Amélioration de Multi-SPMiner par des mécanismes attentionnels pour une extraction robuste de motifs fréquents

Read full text Summarise with VIRAT
Authors: Assaad Oussama Zeghina, Aurélie Leborgne, Florence Le Ber, Antoine Vacavant
Cited by: 0
References: 18

Summary

No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.

Summarise with VIRAT Free to try with your Science Catalogs account.

Abstract

Cet article présente une nouvelle version de la méthode Multi-SPMiner, intégrant plusieurs améliorations substantielles centrées sur le processus d'apprentissage et l'intégration de modèles neuronaux attentionnels spécifiquement adaptés aux multigraphes. Cette nouvelle version, dénommée Attention-based Multi-SPMiner, conserve les principes fondamentaux de la méthode initiale, fondés sur un encodage ordonné des noeuds et un processus itératif de croissance des motifs, tout en renforçant la capacité de généralisation, la stabilité et la précision de la découverte de motifs fréquents. Une évaluation expérimentale approfondie, conduite sur des jeux de données synthétiques comportant des motifs intégrés ainsi que sur des graphes spatio-temporels réels issus de la base Corine Land Cover, met en évidence des gains de performance significatifs par rapport à la version initiale et aux méthodes concurrentes, confirmant la robustesse et l'efficacité de cette nouvelle approche.

Fields of Study & Subjects

Data Mining Algorithms and Applications Graph Theory and Algorithms Privacy-Preserving Technologies in Data

Publication details

Journal / source
HAL
Volume
RNTI-E-42
Pages
13–24
Publication date
26 January 2026
Language
EN