論文の概要: Data is Moody: Discovering Data Modification Rules from Process Event Logs

• arxiv url: http://arxiv.org/abs/2312.14571v1
• Date: Fri, 22 Dec 2023 10:00:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-25 15:29:51.797001
• Title: Data is Moody: Discovering Data Modification Rules from Process Event Logs
• Title（参考訳）: Data is Moody: プロセスイベントログからデータ修正ルールを発見する
• Authors: Marco Bjarne Schuster, Boris Wiegand, Jilles Vreeken
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 31.187669045960085
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Although event logs are a powerful source to gain insight about the behavior of the underlying business process, existing work primarily focuses on finding patterns in the activity sequences of an event log, while ignoring event attribute data. Event attribute data has mostly been used to predict event occurrences and process outcome, but the state of the art neglects to mine succinct and interpretable rules how event attribute data changes during process execution. Subgroup discovery and rule-based classification approaches lack the ability to capture the sequential dependencies present in event logs, and thus lead to unsatisfactory results with limited insight into the process behavior. Given an event log, we are interested in finding accurate yet succinct and interpretable if-then rules how the process modifies data. We formalize the problem in terms of the Minimum Description Length (MDL) principle, by which we choose the model with the best lossless description of the data. Additionally, we propose the greedy Moody algorithm to efficiently search for rules. By extensive experiments on both synthetic and real-world data, we show Moody indeed finds compact and interpretable rules, needs little data for accurate discovery, and is robust to noise.
• Abstract（参考訳）: イベントログは、基盤となるビジネスプロセスの振る舞いに関する洞察を得るための強力なソースであるが、既存の作業は主に、イベント属性データを無視しながら、イベントログのアクティビティシーケンス内のパターンを見つけることに焦点を当てている。 イベント属性データは、主にイベントの発生とプロセス結果を予測するために使用されるが、その技術状態は、プロセス実行中にイベント属性データがどのように変化するかの簡潔さと解釈可能なルールを無視する。 サブグループ発見とルールベースの分類アプローチは、イベントログに存在するシーケンシャルな依存関係をキャプチャする能力に欠けており、プロセスの振る舞いに関する限られた洞察で満足できない結果をもたらす。 イベントログが与えられたら、正確で簡潔で解釈可能なif-thenルールを見つけることに興味があります。 我々はこの問題をMDL(Minimum Description Length)の原理で定式化し、データについて最も損失のない記述でモデルを選択する。 さらに,ルールを効率的に探索するgreedy Moodyアルゴリズムを提案する。 合成データと実世界のデータの両方に関する広範な実験により、Moodyはコンパクトで解釈可能なルールを見つけ、正確な発見のためにはほとんどデータを必要としておらず、ノイズに対して堅牢であることを示した。

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)
• Abnormal Event Detection via Hypergraph Contrastive Learning [54.80429341415227]
  異常事象検出は多くの実アプリケーションにおいて重要な役割を果たす。 本稿では,分散異種情報ネットワークにおける異常事象検出問題について検討する。 AEHCLと呼ばれる新しいハイパーグラフコントラスト学習法が,異常事象のパターンをフルに捉えるために提案されている。
  論文  参考訳（メタデータ） (2023-04-02T08:23:20Z)
• 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)
• EA$^2$E: Improving Consistency with Event Awareness for Document-Level Argument Extraction [52.43978926985928]
  本稿では、トレーニングと推論のための拡張コンテキストを備えたイベント・アウェア・引数抽出(EA$2$E)モデルを紹介する。 WIKIEVENTSとACE2005データセットの実験結果から,EA$2$Eの有効性が示された。
  論文  参考訳（メタデータ） (2022-05-30T04:33:51Z)
• Exploring Business Process Deviance with Sequential and Declarative Patterns [3.039637436705478]
  分散マイニングは、ビジネスプロセスの実行をサポートするシステムによって格納されたイベントログを分析して、デファイナント実行の理由を明らかにすることに関心がある。 ビジネスプロセスにおける逸脱を説明する問題は、まず、逐次的および宣言的パターンに基づいた特徴を用いて検討する。 それらの説明は、ルール誘導のための直接的および間接的な方法によって抽出される。
  論文  参考訳（メタデータ） (2021-11-24T12:16:07Z)
• 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)
• Learning Constraints and Descriptive Segmentation for Subevent Detection [74.48201657623218]
  本稿では,サブイベント検出とEventSeg予測の依存関係をキャプチャする制約を学習し,強制するアプローチを提案する。 我々は制約学習にRectifier Networksを採用し、学習した制約をニューラルネットワークの損失関数の正規化項に変換する。
  論文  参考訳（メタデータ） (2021-09-13T20:50:37Z)
• Conformance Checking over Uncertain Event Data [0.45119235878273]
  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。
  論文  参考訳（メタデータ） (2020-09-29T14:27:30Z)
• 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。