論文の概要: Conformance Checking over Uncertain Event Data

• arxiv url: http://arxiv.org/abs/2009.14452v3
• Date: Fri, 8 Apr 2022 09:16:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-13 06:28:29.867809
• Title: Conformance Checking over Uncertain Event Data
• Title（参考訳）: 不確実なイベントデータに対するコンフォーマンスチェック
• Authors: Marco Pegoraro, Merih Seran Uysal, Wil M.P. van der Aalst
• Abstract要約: 未解明のイベントログの設定を解析する。 このようなイベントログでは、不確実性は明示的に記録され、すなわち、イベントの時間、活動、ケースは不明確または不正確である。 正規プロセスモデルに不確実なトレースをアライメントすることで、適合性のための上と下の境界がどうやって得られるかを示す。
• 参考スコア（独自算出の注目度）: 0.45119235878273
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The strong impulse to digitize processes and operations in companies and enterprises have resulted in the creation and automatic recording of an increasingly large amount of process data in information systems. These are made available in the form of event logs. Process mining techniques enable the process-centric analysis of data, including automatically discovering process models and checking if event data conform to a given model. In this paper, we analyze the previously unexplored setting of uncertain event logs. In such event logs uncertainty is recorded explicitly, i.e., the time, activity and case of an event may be unclear or imprecise. In this work, we define a taxonomy of uncertain event logs and models, and we examine the challenges that uncertainty poses on process discovery and conformance checking. Finally, we show how upper and lower bounds for conformance can be obtained by aligning an uncertain trace onto a regular process model.
• Abstract（参考訳）: 企業や企業におけるプロセスとオペレーションのデジタル化に対する強い衝動は、情報システムにおける大量のプロセスデータの作成と自動記録をもたらしている。 これらはイベントログの形式で利用可能である。 プロセスマイニング技術は、プロセスモデルを自動的に発見し、イベントデータが所定のモデルに準拠しているかをチェックするなど、プロセス中心のデータ分析を可能にする。 本稿では,不確定なイベントログの既定設定を解析する。 このようなイベントログでは、不確実性は明示的に記録され、すなわち、イベントの時間、活動、ケースは不明確または不正確である。 本研究では,不確実なイベントログとモデルの分類を定義し,不確実性がプロセス発見や適合性チェックにもたらす課題を検討する。 最後に, 正規プロセスモデルに不確実なトレースをアライメントすることで, 適合性の上限と下限が得られることを示す。

関連論文リスト

• Detecting Anomalous Events in Object-centric Business Processes via Graph Neural Networks [55.583478485027]
  本研究では,ビジネスプロセスにおける異常検出のための新しいフレームワークを提案する。 まず、属性グラフとしてオブジェクト中心のイベントログのプロセス依存性を再構築する。 次に、異常事象を検出するために、グラフ畳み込みオートエンコーダアーキテクチャを用いる。
  論文  参考訳（メタデータ） (2024-02-14T14:17:56Z)
• Data is Moody: Discovering Data Modification Rules from Process Event Logs [31.187669045960085]
  本稿では, 正確で簡潔なif-thenが, プロセスのデータの修正方法を規定するアルゴリズムを提案する。 Moodyは、コンパクトで解釈可能なルールを見つけ、正確な発見のためのデータはほとんど必要とせず、ノイズに対して堅牢である。
  論文  参考訳（メタデータ） (2023-12-22T10:00:50Z)
• Avoiding Post-Processing with Event-Based Detection in Biomedical Signals [69.34035527763916]
  学習対象としてイベントを直接扱うイベントベースのモデリングフレームワークを提案する。 イベントベースのモデリング(後処理なし)は、広範囲な後処理を伴うエポックベースのモデリングと同等以上のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2022-09-22T13:44:13Z)
• Alignment-based conformance checking over probabilistic events [4.060731229044571]
  本稿では、重み付きトレースモデルと重み付きアライメントコスト関数と、イベントデータに対する信頼度を制御するカスタムしきい値パラメータを導入する。 結果のアルゴリズムは、プロセスモデルとよりよく一致した、低いが十分に高い確率のアクティビティを考慮します。
  論文  参考訳（メタデータ） (2022-09-09T14:07:37Z)
• Probabilistic and Non-Deterministic Event Data in Process Mining: Embedding Uncertainty in Process Analysis Techniques [0.0]
  プロセスマイニング分析の幅広い産業応用により,新しいタイプのイベントデータが注目されている。 本稿では,不確実な事象データの例として,プロセスマイニングにおける不確実性に関する技術の現状を示すとともに,この研究の方向性に関するオープンな課題を示す。
  論文  参考訳（メタデータ） (2022-05-10T12:00:02Z)
• Process-BERT: A Framework for Representation Learning on Educational Process Data [68.8204255655161]
  本稿では,教育プロセスデータの表現を学習するためのフレームワークを提案する。 我々のフレームワークは、BERT型の目的を用いて、シーケンシャルなプロセスデータから表現を学習する事前学習ステップで構成されています。 当社のフレームワークは,2019年国のレポートカードデータマイニングコンペティションデータセットに適用しています。
  論文  参考訳（メタデータ） (2022-04-28T16:07:28Z)
• Event Data Association via Robust Model Fitting for Event-based Object Tracking [66.05728523166755]
  本稿では,イベントアソシエーションと融合問題に明示的に対処する新しいイベントデータアソシエーション(EDA)手法を提案する。 提案するEDAは、統合データアソシエーションと情報融合を行うために、イベントデータに最も適したイベントトラジェクトリを求める。 実験結果から,高速,運動のぼやけ,高ダイナミックレンジ条件といった難易度シナリオ下でのEDAの有効性が示された。
  論文  参考訳（メタデータ） (2021-10-25T13:56:00Z)
• Robust Event Classification Using Imperfect Real-world PMU Data [58.26737360525643]
  本研究では,不完全な実世界のファサー計測単位(PMU)データを用いて,ロバストな事象分類について検討する。 我々は、堅牢なイベント分類器を訓練するための新しい機械学習フレームワークを開発する。
  論文  参考訳（メタデータ） (2021-10-19T17:41:43Z)
• CoCoMoT: Conformance Checking of Multi-Perspective Processes via SMT (Extended Version) [62.96267257163426]
  我々はCoCoMoT(Computing Conformance Modulo Theories)フレームワークを紹介する。 まず、純粋な制御フロー設定で研究したSATベースのエンコーディングを、データ認識ケースに持ち上げる方法を示す。 次に,プロパティ保存型クラスタリングの概念に基づく新しい前処理手法を提案する。
  論文  参考訳（メタデータ） (2021-03-18T20:22:50Z)
• Partial Order Resolution of Event Logs for Process Conformance Checking [10.58705988536919]
  既存の適合性チェック技術の重要な前提は、すべてのイベントがプロセスインスタンス毎のイベントの順序を推測できるタイムスタンプに関連付けられているということです。 本稿では,動作抽象化の異なる概念を取り入れた,この課題に対するいくつかの推定手法を提案する。 実世界のデータと合成データの実験により、我々の手法は最先端の精度を大幅に向上させることが明らかとなった。
  論文  参考訳（メタデータ） (2020-07-05T18:43:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。