論文の概要: A Framework for Explainable Concept Drift Detection in Process Mining
- arxiv url: http://arxiv.org/abs/2105.13155v1
- Date: Thu, 27 May 2021 14:03:19 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-29 00:11:39.536168
- Title: A Framework for Explainable Concept Drift Detection in Process Mining
- Title(参考訳): プロセスマイニングにおける説明可能な概念ドリフト検出フレームワーク
- Authors: Jan Niklas Adams, Sebastiaan J. van Zelst, Lara Quack, Kathrin
Hausmann, Wil M.P. van der Aalst, and Thomas Rose
- Abstract要約: プロセスマイニングにおけるコンセプトドリフト検出に説明可能性レベルを追加するフレームワークを提案する。
提案手法は原因と影響の関係を悪化させ,実行プロセスに新たな洞察を与える。
- 参考スコア(独自算出の注目度): 0.6927055673104934
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Rapidly changing business environments expose companies to high levels of
uncertainty. This uncertainty manifests itself in significant changes that tend
to occur over the lifetime of a process and possibly affect its performance. It
is important to understand the root causes of such changes since this allows us
to react to change or anticipate future changes. Research in process mining has
so far only focused on detecting, locating and characterizing significant
changes in a process and not on finding root causes of such changes. In this
paper, we aim to close this gap. We propose a framework that adds an
explainability level onto concept drift detection in process mining and
provides insights into the cause-effect relationships behind significant
changes. We define different perspectives of a process, detect concept drifts
in these perspectives and plug the perspectives into a causality check that
determines whether these concept drifts can be causal to each other. We
showcase the effectiveness of our framework by evaluating it on both synthetic
and real event data. Our experiments show that our approach unravels
cause-effect relationships and provides novel insights into executed processes.
- Abstract(参考訳): 急速に変化するビジネス環境は、企業を高いレベルの不確実性にさらしている。
この不確実性は、プロセスの存続期間を通じて起こり、おそらくそのパフォーマンスに影響を及ぼしがちな重大な変化に現れます。
このような変化の根本原因を理解することが重要です。
プロセスマイニングの研究はこれまで、プロセスにおける重要な変化の検出、特定、特徴付けにのみ重点を置いてきた。
本稿では,このギャップを埋めることを目的とする。
我々は,プロセスマイニングにおける概念ドリフト検出に説明可能性レベルを追加し,重要な変化の背後にある原因-影響関係について洞察を与えるフレームワークを提案する。
プロセスの異なる視点を定義し、これらの視点における概念ドリフトを検出し、これらの概念ドリフトが相互に因果的かどうかを決定する因果チェックに視点をプラグインする。
合成イベントデータと実イベントデータの両方で評価することで,フレームワークの有効性を示す。
実験の結果,本手法は原因と効果の関係を悪化させ,実行プロセスに新たな洞察を与えることがわかった。
関連論文リスト
- Variable-Agnostic Causal Exploration for Reinforcement Learning [56.52768265734155]
強化学習のための新しいフレームワークVACERL(Variable-Agnostic Causal Exploration for Reinforcement Learning)を導入する。
本手法は,注目機構を用いて,重要変数に関連する重要な観測行動ステップを自動的に同定する。
これらのステップを接続する因果グラフを構築し、エージェントをタスク完了に対する因果的影響の大きい観察-作用ペアへと導く。
論文 参考訳(メタデータ) (2024-07-17T09:45:27Z) - On the Identification of Temporally Causal Representation with Instantaneous Dependence [50.14432597910128]
時間的因果表現学習は時系列観測から潜在因果過程を特定することを目的としている。
ほとんどの方法は、潜在因果過程が即時関係を持たないという仮定を必要とする。
我々は,インスタントtextbfOus textbfLatent dynamics のための textbfIDentification フレームワークを提案する。
論文 参考訳(メタデータ) (2024-05-24T08:08:05Z) - Nonparametric Partial Disentanglement via Mechanism Sparsity: Sparse
Actions, Interventions and Sparse Temporal Dependencies [58.179981892921056]
この研究は、メカニズムのスパーシティ正則化(英語版)と呼ばれる、アンタングルメントの新たな原理を導入する。
本稿では,潜在要因を同時に学習することで,絡み合いを誘発する表現学習手法を提案する。
学習した因果グラフをスパースに規則化することにより、潜伏因子を復元できることを示す。
論文 参考訳(メタデータ) (2024-01-10T02:38:21Z) - One or Two Things We know about Concept Drift -- A Survey on Monitoring
Evolving Environments [7.0072935721154614]
本稿では,教師なしデータストリームにおけるコンセプトドリフトに着目した文献レビューを行う。
この設定は、エンジニアリングにおける多くのタスクや課題に直接適用可能な監視と異常検出に特に関連している。
概念の漂流を説明するという,新たな話題に関するセクションがある。
論文 参考訳(メタデータ) (2023-10-24T13:25:19Z) - DOMINO: Visual Causal Reasoning with Time-Dependent Phenomena [59.291745595756346]
本研究では,時間遅延のウィンドウに関連する因果関係の発見に人間が参加できる視覚分析手法を提案する。
具体的には、論理に基づく因果関係の確立した手法を活用し、分析者が潜在的な原因の重要性を検証できるようにする。
効果は他の効果の原因となりうるので,本手法で検出した時間的要因と効果の関係を視覚フロー図にまとめることができる。
論文 参考訳(メタデータ) (2023-03-12T03:40:21Z) - Tracking changes using Kullback-Leibler divergence for the continual
learning [2.0305676256390934]
本稿では,多次元データストリームの確率分布の変化をモニタリングする新しい手法を提案する。
変化の速さの尺度として、人気のあるKulback-Leiblerの発散を分析する。
我々は,この指標を用いて,概念の漂流の発生を予測し,その性質を理解する方法を示す。
論文 参考訳(メタデータ) (2022-10-10T17:30:41Z) - Exploring the Trade-off between Plausibility, Change Intensity and
Adversarial Power in Counterfactual Explanations using Multi-objective
Optimization [73.89239820192894]
自動対物生成は、生成した対物インスタンスのいくつかの側面を考慮すべきである。
本稿では, 対実例生成のための新しい枠組みを提案する。
論文 参考訳(メタデータ) (2022-05-20T15:02:53Z) - Inverse Online Learning: Understanding Non-Stationary and Reactionary
Policies [79.60322329952453]
エージェントが意思決定を行う方法の解釈可能な表現を開発する方法を示す。
一連の軌跡に基づく意思決定プロセスを理解することにより,このオンライン学習問題に対して,政策推論問題を逆問題とみなした。
本稿では、エージェントがそれらを更新するプロセスと並行して、その影響を遡及的に推定する実用的なアルゴリズムを提案する。
UNOSの臓器提供受諾決定の分析に応用することで、我々のアプローチは意思決定プロセスを管理する要因や時間とともにどのように変化するかに、貴重な洞察をもたらすことができることを実証する。
論文 参考訳(メタデータ) (2022-03-14T17:40:42Z) - CONDA-PM -- A Systematic Review and Framework for Concept Drift Analysis
in Process Mining [2.531156266686649]
コンセプトドリフト分析は、ビジネスプロセスがどのように変化するかを研究することに関心がある。
コンセプトドリフトタイプ、影響のあるプロセスの観点、ビジネスプロセスのレベルを分析するための包括的なフレームワークはありません。
本稿では,プロセスマイニングにおけるConcept Drift Analysis in Process Mining(CONDA-PM)フレームワークを提案する。
論文 参考訳(メタデータ) (2020-09-08T15:39:09Z) - Counterfactual Explanations of Concept Drift [11.53362411363005]
概念ドリフトとは、観測データの背後にある分布が時間とともに変化する現象を指す。
本稿では,典型的な例で表現される空間的特徴の特徴的変化の観点から,概念の漂流を特徴付ける新しい技術を提案する。
論文 参考訳(メタデータ) (2020-06-23T08:27:57Z) - Detecting sudden and gradual drifts in business processes from execution
traces [0.5424799109837066]
ビジネスプロセスのドリフト検出(Business Process drift detection)は、ビジネスプロセスの変化を検出するメソッドのファミリーを指す。
本稿では,突発的および漸進的なビジネスプロセスのドリフトを検出するための,自動的,統計的に基礎づけた手法を提案する。
論文 参考訳(メタデータ) (2020-05-07T16:22:11Z)
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。