Découverte supervisée de Modèles de processus intentionnels basée sur les Modèles de Markov Cachés - Archive ouverte HAL Access content directly
Conference Papers Year : 2013

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

(1) , (1) , (1) , (1)
1

Abstract

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.
Fichier principal
Vignette du fichier
Inforsid-Final.pdf (454.46 Ko) Télécharger le fichier
Origin : Files produced by the author(s)
Loading...

Dates and versions

hal-00807548 , version 1 (10-04-2013)

Identifiers

  • HAL Id : hal-00807548 , version 1

Cite

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⟩

Collections

UNIV-PARIS1 CRI
254 View
276 Download

Share

Gmail Facebook Twitter LinkedIn More