Découverte supervisée de Modèles de processus intentionnels basée sur les Modèles de Markov Cachés

Ghazaleh Khodabandelou (1) , Charlotte Hug (1) , Rebecca Deneckere (1) , Camille Salinesi (1)

1 CRI - Centre de Recherche en Informatique de Paris 1

Cela fait plusieurs décennies que la communauté des Systèmes d'Information (SI) s'intéresse à la découverte 'automatisée' des modèles de processus. Certaines approches se basent sur les activités séquentielles (traces) effectuées par les acteurs du SI pour identifier les modèles de processus. Cependant, ces approches ne portent que sur les activités et les modèles identifiés sont donc orientés-activités. Les modèles de processus intentionnels se concentrent sur les intentions qui ont entraîné les activités plutôt que sur les activités elles-mêmes. Malheureusement, les approches de fouille de processus existantes ne tiennent pas compte de l'aspect caché des intentions derrière les activités. Nous pensons pouvoir découvrir les modèles de processus intentionnels à l'aide de techniques de fouille d'intention. Le but de cet article est de proposer l'utilisation de modèles probabilistes - les Modèles de Markov Cachés (MMC) - pour évaluer les intentions les plus probables à partir des traces. Cet article se concentre sur une approche supervisée pour découvrir les intentions sous-jacentes aux traces d'activités des utilisateurs et de les comparer au modèle de processus intentionnel initial.

Mots clés: fouille d'intention; processus; apprentissage supervisé; découverte de processus

Domaines: Autre [cs.OH]

Ghazaleh Khodabandelou, Charlotte Hug, Rebecca Deneckere, Camille Salinesi. Découverte supervisée de Modèles de processus intentionnels basée sur les Modèles de Markov Cachés. XXXIème Congrès INFORSID, May 2013, Paris, France. ⟨hal-00807548⟩