Extraction des motifs fréquents à partir du flux de donnée.

Abstract

Ces dernières années nous avons remarqué l'apparition de nombreuses applications qui traitent les données générées en continu à grandes vitesses, ces données sont connues sous le nom « flux de données ou bien Data Stream». En effet, on trouve ce genre de base de données dynamiques dans des nombreux domaines (transactions bancaires, l'usage du Web, la surveillance des réseaux, etc.). Les fameuses caractéristiques des flux de données sont la vélocité, la continuité dans l'arrivé des données et la taille importante de données générées. L'extraction de motifs fréquents à partir de flux de données pose beaucoup des problèmes, parmi ces problèmes citons par exemple l'impossibilité de bloquer le flux de données, afin de produire des résultats en temps réel. Dans ce travail nous avons proposé une méthode d'extractions des itemsets fréquents a partir de flux de donnée de façon incrementale, l'expérimentation effectuée a montré l'efficacité de notre algorithme proposé. Mots clés : Extractions des motifs fréquents, flux de données, itemsets fréquents, algorithmes incremental.