論文の概要: Grouping Local Process Models
- arxiv url: http://arxiv.org/abs/2311.03040v1
- Date: Mon, 6 Nov 2023 11:24:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-07 14:34:43.184170
- Title: Grouping Local Process Models
- Title（参考訳）: 局所プロセスモデルのグループ化
- Authors: Viki Peeva, Wil M.P. van der Aalst
- Abstract要約: ローカルプロセスモデル(LPM)発見は、プロセスのサブ振る舞いを説明するための一連のLPMを構築しようとする。
本研究は,様々なプロセスモデル類似度尺度を用いて類似LPMをグループ化するための3段階パイプラインを提案する。
- 参考スコア（独自算出の注目度）: 0.19036571490366497
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, process mining emerged as a proven technology to analyze and
improve operational processes. An expanding range of organizations using
process mining in their daily operation brings a broader spectrum of processes
to be analyzed. Some of these processes are highly unstructured, making it
difficult for traditional process discovery approaches to discover a
start-to-end model describing the entire process. Therefore, the subdiscipline
of Local Process Model (LPM) discovery tries to build a set of LPMs, i.e.,
smaller models that explain sub-behaviors of the process. However, like other
pattern mining approaches, LPM discovery algorithms also face the problems of
model explosion and model repetition, i.e., the algorithms may create hundreds
if not thousands of models, and subsets of them are close in structure or
behavior. This work proposes a three-step pipeline for grouping similar LPMs
using various process model similarity measures. We demonstrate the usefulness
of grouping through a real-life case study, and analyze the impact of different
measures, the gravity of repetition in the discovered LPMs, and how it improves
after grouping on multiple real event logs.
- Abstract（参考訳）: 近年、プロセスマイニングは運用プロセスを分析し改善する技術として実証されている。
日々の業務でプロセスマイニングを使用する組織の範囲は拡大しており、分析すべきプロセスの幅広い範囲をもたらしている。
これらのプロセスのいくつかは非常に非構造化されており、従来のプロセス発見アプローチではプロセス全体を記述する開始から終了までのモデルを見つけるのが困難である。
したがって、局所過程モデル(lpm)発見の下位学説は、一連のlpm、すなわちプロセスのサブ挙動を説明するより小さなモデルを構築しようとする。
しかし、他のパターンマイニング手法と同様に、lpm発見アルゴリズムはモデル爆発やモデル反復の問題にも直面している。
本研究は,様々なプロセスモデル類似度尺度を用いて類似LPMをグループ化する3段階パイプラインを提案する。
実生活事例研究を通じてグループ化の有用性を実証し、異なる測定方法の影響、発見されたLPMの繰り返し重力、複数実イベントログでのグループ化後の改善について分析した。
関連論文リスト
- A Comparative Study on Reasoning Patterns of OpenAI's o1 Model [69.08287909042421]
OpenAIのo1モデルは、ほとんどのデータセットで最高のパフォーマンスを実現しています。
また、いくつかの推論ベンチマークについて詳細な分析を行う。
論文 参考訳（メタデータ） (2024-10-17T15:09:03Z) - Mining a Minimal Set of Behavioral Patterns using Incremental Evaluation [3.16536213610547]
行動パターンマイニングへの既存のアプローチには2つの制限がある。
まず、インクリメンタルな計算がパターン候補の生成にのみ組み込まれるため、スケーラビリティが制限される。
第二に、マイニングされたパターンに基づくプロセス分析は、実用的なアプリケーションシナリオで得られるパターンが圧倒的に多いため、限られた効果しか示さない。
論文 参考訳（メタデータ） (2024-02-05T11:41:37Z) - The WHY in Business Processes: Discovery of Causal Execution Dependencies [2.0811729303868005]
プロセスアクティビティの実行間の因果関係を明らかにすることは、プロセス介入の結果を予測する重要な要素である。
この研究は、既存の因果発見アルゴリズムを活動タイミングよりも活用することにより、因果ビジネスプロセスの公開に対する体系的なアプローチを提供する。
本手法は,3つの因果パターンの文脈における2つのモデル間の相違を探索し,これらの不整合がマイニングプロセスモデル上で注釈付けされるという新たな視点を導出する。
論文 参考訳（メタデータ） (2023-10-23T14:23:15Z) - Discovering Hierarchical Process Models: an Approach Based on Events
Clustering [0.0]
本稿では,2段階のワークフローネットとして表現される階層的プロセスモデルを発見するアルゴリズムを提案する。
既存のソリューションとは異なり、我々のアルゴリズムはプロセス制御フローに制限を課さず、反復を可能にする。
論文 参考訳（メタデータ） (2023-03-12T11:05:40Z) - Clustering Object-Centric Event Logs [0.36748639131154304]
本稿では,OCEL に類似したオブジェクトをクラスタリングするクラスタリング手法を提案する。
我々のアプローチは、プロセスモデルの複雑さを減らし、エンドユーザーがプロセスに対する洞察を得るのに役立つオブジェクトの一貫性のあるサブセットを生成する。
論文 参考訳（メタデータ） (2022-07-26T09:16:39Z) - Extending Process Discovery with Model Complexity Optimization and
Cyclic States Identification: Application to Healthcare Processes [62.997667081978825]
モデル最適化のための半自動支援を実現するプロセスマイニング手法を提案する。
所望の粒度で生モデルを抽象化するモデル単純化手法が提案されている。
医療分野の異なるアプリケーションから得られた3つのデータセットを用いて、技術的ソリューションの能力を実証することを目的としている。
論文 参考訳（メタデータ） (2022-06-10T16:20:59Z) - TaSPM: Targeted Sequential Pattern Mining [53.234101208024335]
本稿では,高速CM-SPAMアルゴリズムに基づく汎用フレームワークTaSPMを提案する。
また,マイニングプロセスにおける無意味な操作を減らすために,いくつかのプルーニング戦略を提案する。
実験の結果,新たなターゲットマイニングアルゴリズムであるTaSPMは実行時間を短縮し,メモリ消費を低減できることがわかった。
論文 参考訳（メタデータ） (2022-02-26T17:49:47Z) - On Contrastive Representations of Stochastic Processes [53.21653429290478]
プロセスの表現を学習することは、機械学習の新たな問題である。
本手法は,周期関数,3次元オブジェクト,動的プロセスの表現の学習に有効であることを示す。
論文 参考訳（メタデータ） (2021-06-18T11:00:24Z) - Discovering Hierarchical Processes Using Flexible Activity Trees for
Event Abstraction [7.754062965937491]
我々はFlexHMinerを提案する。FlexHMinerは、マルチレベルのインターリーブサブプロセスを持つプロセスを見つけるための3段階のアプローチである。
ドメイン知識,ランダムクラスタリング,フラットアプローチを用いて,階層モデルの品質を比較した。
以上の結果から,FlexHMinerが生成する階層型プロセスモデルは,階層性を利用していないアプローチと良好に比較できることが示唆された。
論文 参考訳（メタデータ） (2020-10-16T10:50:41Z) - Process Discovery for Structured Program Synthesis [70.29027202357385]
プロセスマイニングにおける中核的なタスクは、イベントログデータから正確なプロセスモデルを学ぶことを目的としたプロセス発見である。
本稿では,ターゲットプロセスモデルとして(ブロック-)構造化プログラムを直接使用することを提案する。
我々は,このような構造化プログラムプロセスモデルの発見に対して,新たなボトムアップ・アグリメティブ・アプローチを開発する。
論文 参考訳（メタデータ） (2020-08-13T10:33:10Z) - Learning Robust State Abstractions for Hidden-Parameter Block MDPs [55.31018404591743]
我々は、ブロックMDPにインスパイアされた堅牢な状態抽象化を実現するために、HiP-MDP設定からの共通構造の概念を活用する。
マルチタスク強化学習 (MTRL) とメタ強化学習 (Meta-RL) の両方のための新しいフレームワークのインスタンス化を導出する。
論文 参考訳（メタデータ） (2020-07-14T17:25:27Z)
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。