論文の概要: Bootstrapping Generalization of Process Models Discovered From Event Data

• arxiv url: http://arxiv.org/abs/2107.03876v1
• Date: Thu, 8 Jul 2021 14:35:56 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-09 16:18:27.775175
• Title: Bootstrapping Generalization of Process Models Discovered From Event Data
• Title（参考訳）: イベントデータから発見されたプロセスモデルのブートストラップ一般化
• Authors: Artem Polyvyanyy, Alistair Moffat, Luciano Garc\'ia-Ba\~nuelos
• Abstract要約: 一般化は、発見されたモデルがシステムの将来の実行をいかにうまく記述するかを定量化しようとする。 サンプルに基づいて個体群の特性を推定するためにブートストラップ法を用いる。 実験は、産業環境でのアプローチの実現可能性を示す。
• 参考スコア（独自算出の注目度）: 10.574698833115589
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Process mining studies ways to derive value from process executions recorded in event logs of IT-systems, with process discovery the task of inferring a process model for an event log emitted by some unknown system. One quality criterion for discovered process models is generalization. Generalization seeks to quantify how well the discovered model describes future executions of the system, and is perhaps the least understood quality criterion in process mining. The lack of understanding is primarily a consequence of generalization seeking to measure properties over the entire future behavior of the system, when the only available sample of behavior is that provided by the event log itself. In this paper, we draw inspiration from computational statistics, and employ a bootstrap approach to estimate properties of a population based on a sample. Specifically, we define an estimator of the model's generalization based on the event log it was discovered from, and then use bootstrapping to measure the generalization of the model with respect to the system, and its statistical significance. Experiments demonstrate the feasibility of the approach in industrial settings.
• Abstract（参考訳）: プロセスマイニングは、ITシステムのイベントログに記録されたプロセス実行から価値を導き出す方法であり、プロセス発見は、未知のシステムによって出力されるイベントログのプロセスモデルを推論するタスクである。 検出されたプロセスモデルの1つの品質基準は一般化である。 一般化は、発見されたモデルがシステムの将来の実行をいかにうまく表現するかを定量化し、おそらくプロセスマイニングにおいて最も理解されていない品質基準である。 理解の欠如は、イベントログ自体が提供する行動の唯一のサンプルである場合、システムの将来の振る舞い全体にわたって特性を計測しようとする一般化の結果である。 本稿では,計算統計学からインスピレーションを得て,サンプルに基づいて集団の特性を推定するブートストラップ手法を提案する。 具体的には、検出したイベントログに基づいてモデル一般化の推定器を定義し、ブートストラップを用いてシステムに関するモデルの一般化とその統計的意義を計測する。 産業環境でのアプローチの実現可能性を示す実験。

関連論文リスト

• Discovery and Simulation of Data-Aware Business Processes [0.28675177318965045]
  本稿では,データ認識型BPSモデリング手法と,イベントログからデータ認識型BPSモデルを検出する手法を提案する。 結果のBPSモデルは、データ非認識のBPSモデルと比較して、プロセス実行制御フローをより密に再現する。
  論文  参考訳（メタデータ） (2024-08-24T20:13:00Z)
• 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)
• Generalizing Backpropagation for Gradient-Based Interpretability [103.2998254573497]
  モデルの勾配は、半環を用いたより一般的な定式化の特別な場合であることを示す。 この観測により、バックプロパゲーションアルゴリズムを一般化し、他の解釈可能な統計を効率的に計算することができる。
  論文  参考訳（メタデータ） (2023-07-06T15:19:53Z)
• SimSCOOD: Systematic Analysis of Out-of-Distribution Generalization in Fine-tuned Source Code Models [58.78043959556283]
  本研究は,Low-Rank Adaptation (LoRA)ファインチューニング手法を含む,異なる微調整手法によるモデルの挙動について検討する。 解析の結果、LoRAファインチューニングは様々なシナリオにおけるフルファインチューニングよりも、OODの一般化性能が大幅に向上していることが判明した。
  論文  参考訳（メタデータ） (2022-10-10T16:07:24Z)
• Generalization Properties of Retrieval-based Models [50.35325326050263]
  検索ベースの機械学習手法は、幅広い問題で成功をおさめた。 これらのモデルの約束を示す文献が増えているにもかかわらず、そのようなモデルの理論的基盤はいまだに解明されていない。 本稿では,その一般化能力を特徴付けるために,検索ベースモデルの形式的処理を行う。
  論文  参考訳（メタデータ） (2022-10-06T00:33:01Z)
• Generating Hidden Markov Models from Process Models Through Nonnegative Tensor Factorization [0.0]
  我々は,理論的プロセスモデルと関連する最小隠れマルコフモデルを統合する,数学的に新しい手法を提案する。 提案手法は, (a) 理論的プロセスモデル, (b) HMM, (c) 結合非負行列テンソル因子分解, (d) カスタムモデル選択を集約する。
  論文  参考訳（メタデータ） (2022-10-03T16:19:27Z)
• Accessing and Interpreting OPC UA Event Traces based on Semantic Process Descriptions [69.9674326582747]
  本稿では、イベントデータのコンテキストに基づいて、プロダクションシステムのイベントデータにアクセスするアプローチを提案する。 本手法は,1)生産システムの階層構造の意味モデル,2)形式化されたプロセス記述,3)OPC UA情報モデルを組み合わせることによって,データベースシステムからフィルタリングイベントログを抽出する。
  論文  参考訳（メタデータ） (2022-07-25T15:13:44Z)
• Generalization in Automated Process Discovery: A Framework based on Event Log Patterns [0.03222802562733786]
  既存の一般化対策は、実践上の適用性を著しく阻害するいくつかの欠点を示している。 本稿では、イベントログから検出されたパターンの集合を代表トレースで一般化するフレームワークを提案する。 ベースライン一般化測度が扱える最大データセットより2桁大きいデータセットに対して,我々の測度を効率的に計算できることが示される。
  論文  参考訳（メタデータ） (2022-03-26T13:49:11Z)
• On the Performance Analysis of the Adversarial System Variant Approximation Method to Quantify Process Model Generalization [0.0]
  本稿では,非理想的条件下での適応系変数近似の性能について実験的に検討する。 その結果,本手法の作業条件に対する意識を高める必要性が確認された。
  論文  参考訳（メタデータ） (2021-07-13T18:27:09Z)
• How Faithful is your Synthetic Data? Sample-level Metrics for Evaluating and Auditing Generative Models [95.8037674226622]
  ドメインに依存しない方法で生成モデルの忠実度,多様性,一般化性能を特徴付ける3次元評価指標を提案する。 当社のメトリクスは、精度リコール分析により統計的発散測定を統合し、モデル忠実度と多様性のサンプルおよび分布レベルの診断を可能にします。
  論文  参考訳（メタデータ） (2021-02-17T18:25:30Z)
• Adversarial System Variant Approximation to Quantify Process Model Generalization [2.538209532048867]
  プロセスマイニングでは、プロセスモデルはイベントログから抽出され、複数の品質次元を用いて一般的に評価される。 この問題を解決するために,Adversarial System Variant Approximation (AVATAR)と呼ばれる新しいディープラーニングベースの手法が提案されている。
  論文  参考訳（メタデータ） (2020-03-26T22:06:18Z)

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。