論文の概要: Detecting Anomalous Events in Object-centric Business Processes via Graph Neural Networks

• arxiv url: http://arxiv.org/abs/2403.00775v1
• Date: Wed, 14 Feb 2024 14:17:56 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-11 00:22:37.705559
• Title: Detecting Anomalous Events in Object-centric Business Processes via Graph Neural Networks
• Title（参考訳）: グラフニューラルネットワークによるオブジェクト中心ビジネスプロセスの異常事象の検出
• Authors: Alessandro Niro and Michael Werner
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 55.583478485027
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Detecting anomalies is important for identifying inefficiencies, errors, or fraud in business processes. Traditional process mining approaches focus on analyzing 'flattened', sequential, event logs based on a single case notion. However, many real-world process executions exhibit a graph-like structure, where events can be associated with multiple cases. Flattening event logs requires selecting a single case identifier which creates a gap with the real event data and artificially introduces anomalies in the event logs. Object-centric process mining avoids these limitations by allowing events to be related to different cases. This study proposes a novel framework for anomaly detection in business processes that exploits graph neural networks and the enhanced information offered by object-centric process mining. We first reconstruct and represent the process dependencies of the object-centric event logs as attributed graphs and then employ a graph convolutional autoencoder architecture to detect anomalous events. Our results show that our approach provides promising performance in detecting anomalies at the activity type and attributes level, although it struggles to detect anomalies in the temporal order of events.
• Abstract（参考訳）: 異常の検出は、ビジネスプロセスにおける非効率性、エラー、不正を識別するために重要である。 従来のプロセスマイニングのアプローチでは、単一のケース概念に基づいた、連続したイベントログの分析に重点を置いている。 しかし、多くの現実世界のプロセス実行はグラフのような構造を示し、イベントは複数のケースに関連付けられる。 イベントログのフラット化には、実際のイベントデータとのギャップを生成し、イベントログに異常を人工的に導入する単一のケース識別子を選択する必要がある。 オブジェクト中心のプロセスマイニングは、異なるケースにイベントを関連付けることによって、これらの制限を避ける。 本研究では,グラフニューラルネットワークとオブジェクト中心のプロセスマイニングによって提供される拡張情報を活用する,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、オブジェクト中心のイベントログのプロセス依存性を属性グラフとして再構成し、次に、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て異常事象を検出する。 その結果,行動タイプと属性レベルでの異常検出において有望な性能が得られたが,事象の時間的順序における異常検出に苦慮した。

関連論文リスト

• GLAD: Content-aware Dynamic Graphs For Log Anomaly Detection [49.9884374409624]
  GLADは、システムログの異常を検出するように設計されたグラフベースのログ異常検出フレームワークである。 システムログの異常を検出するために設計されたグラフベースのログ異常検出フレームワークであるGLADを紹介する。
  論文  参考訳（メタデータ） (2023-09-12T04:21:30Z)
• Graph-based Asynchronous Event Processing for Rapid Object Recognition [59.112755601918074]
  イベントカメラは、各イベントがピクセル位置、トリガ時間、明るさの極性が変化するような非同期イベントストリームをキャプチャする。 イベントカメラのための新しいグラフベースのフレームワーク、SlideGCNを紹介した。 当社のアプローチでは、データをイベント単位で効率的に処理し、内部でグラフの構造を維持しながら、イベントデータの低レイテンシ特性を解放することが可能です。
  論文  参考訳（メタデータ） (2023-08-28T08:59:57Z)
• 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)
• 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)
• Defining Cases and Variants for Object-Centric Event Data [0.36748639131154304]
  オブジェクト中心のプロセスマイニングのケースコンセプト:プロセス実行を紹介します。 プロセス実行を抽出する技術を提供します。 実生活のイベントログの最も頻繁なオブジェクト中心の変種を示す。
  論文  参考訳（メタデータ） (2022-08-05T15:33:03Z)
• Event Detection on Dynamic Graphs [4.128347119808724]
  イベント検出は、グラフ分析アプリケーションにおいて、タイムリーな意思決定にとって重要なタスクである。 動的グラフ上でのイベント検出のための,単純かつ斬新な深層学習モデルDyGEDを提案する。
  論文  参考訳（メタデータ） (2021-10-23T05:52:03Z)
• Anomaly Detection for Aggregated Data Using Multi-Graph Autoencoder [21.81622481466591]
  システムログの異常検出モデルの作成に重点を置いている。 集約されたデータと集約されたイベント間の関係を徹底的に分析する。 本稿では,新しい畳み込みグラフ自動エンコーダモデルMGAEを提案する。
  論文  参考訳（メタデータ） (2021-01-11T17:38:42Z)
• 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)
• A Background-Agnostic Framework with Adversarial Training for Abnormal Event Detection in Video [120.18562044084678]
  近年,ビデオにおける異常事象検出は複雑なコンピュータビジョンの問題として注目されている。 通常のイベントのみを含むトレーニングビデオから学習するバックグラウンドに依存しないフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-08-27T18:39:24Z)

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。