論文の概要: Ranking the Top-K Realizations of Stochastically Known Event Logs

• arxiv url: http://arxiv.org/abs/2410.00067v1
• Date: Mon, 30 Sep 2024 08:53:09 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-05 15:09:43.557631
• Title: Ranking the Top-K Realizations of Stochastically Known Event Logs
• Title（参考訳）: 確率的に知られたイベントログのTop-K実現度ランキング
• Authors: Arvid Lepsien, Marco Pegoraro, Frederik Fonger, Dominic Langhammer, Milda Aleknonytė-Resch, Agnes Koschmider,
• Abstract要約: 我々は、O(Kn)内のイベント独立性の下でイベントログの上位K位を計算するための効率的なアルゴリズムを実装した。 トップKランキングは入力イベントログの長さと確率分布に依存することを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Various kinds of uncertainty can occur in event logs, e.g., due to flawed recording, data quality issues, or the use of probabilistic models for activity recognition. Stochastically known event logs make these uncertainties transparent by encoding multiple possible realizations for events. However, the number of realizations encoded by a stochastically known log grows exponentially with its size, making exhaustive exploration infeasible even for moderately sized event logs. Thus, considering only the top-K most probable realizations has been proposed in the literature. In this paper, we implement an efficient algorithm to calculate a top-K realization ranking of an event log under event independence within O(Kn), where n is the number of uncertain events in the log. This algorithm is used to investigate the benefit of top-K rankings over top-1 interpretations of stochastically known event logs. Specifically, we analyze the usefulness of top-K rankings against different properties of the input data. We show that the benefit of a top-K ranking depends on the length of the input event log and the distribution of the event probabilities. The results highlight the potential of top-K rankings to enhance uncertainty-aware process mining techniques.
• Abstract（参考訳）: さまざまな不確実性は、例えば、記録の欠陥、データ品質の問題、あるいはアクティビティ認識のための確率モデルの使用によって発生する。 確率的に知られたイベントログは、これらの不確実性を透過的にし、イベントの複数の可能な実現を符号化する。 しかし、確率的に知られたログによって符号化される実現の数は、そのサイズとともに指数関数的に増加するため、中程度のイベントログであっても、徹底的な探索は不可能である。 したがって、最上位のKだけを考えると、この文献では最も可能性の高い実現法が提案されている。 本稿では,O(Kn)内のイベント独立性の下でのイベントログの上位K位を計算し,nはログ内の不確実事象の数である,効率的なアルゴリズムを実装した。 このアルゴリズムは、確率的に知られたイベントログの上位1の解釈よりも上位1のランキングの利点を調べるために用いられる。 具体的には、入力データの異なる特性に対してトップKランキングの有用性を分析する。 トップKランキングの利点は、入力されたイベントログの長さとイベント確率の分布に依存する。 この結果は,不確実性を考慮したプロセスマイニング技術を強化するトップKランキングの可能性を強調した。

関連論文リスト

• Posets and Bounded Probabilities for Discovering Order-inducing Features in Event Knowledge Graphs [6.96958458974878]
  イベント知識グラフ(EKG)は、プロセス実行の複数の対話的なビューをキャプチャする。 未処理データからのEKG発見のオープンな問題に対処する。 統計的推測に基づくEKG探索アルゴリズムを導出する。
  論文  参考訳（メタデータ） (2024-10-08T14:12:51Z)
• Improving Event Definition Following For Zero-Shot Event Detection [66.27883872707523]
  ゼロショットイベント検出に対する既存のアプローチは通常、既知のイベントタイプをアノテートしたデータセット上でモデルをトレーニングする。 イベント定義に従うためのトレーニングモデルによるゼロショットイベント検出の改善を目指しています。
  論文  参考訳（メタデータ） (2024-03-05T01:46:50Z)
• 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)
• Data is Moody: Discovering Data Modification Rules from Process Event Logs [31.187669045960085]
  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。
  論文  参考訳（メタデータ） (2023-12-22T10:00:50Z)
• Unsupervised Log Anomaly Detection with Few Unique Tokens [1.9389881806157316]
  本稿では,欧州XFEL加速器の制御系ノードが生成するログデータの異常を検出する手法を提案する。 提案手法の主な目的は,各ノードに特有の可用性,ステータス,問題に対する包括的理解を提供することである。
  論文  参考訳（メタデータ） (2023-10-13T08:49:25Z)
• 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)
• 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)
• Complex Event Forecasting with Prediction Suffix Trees: Extended Technical Report [70.7321040534471]
  複合イベント認識(CER)システムは、イベントのリアルタイムストリーム上のパターンを"即時"検出する能力によって、過去20年間に人気が高まっている。 このような現象が実際にCERエンジンによって検出される前に、パターンがいつ発生するかを予測する方法が不足している。 複雑なイベント予測の問題に対処しようとする形式的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-01T09:52:31Z)
• Recomposition vs. Prediction: A Novel Anomaly Detection for Discrete Events Based On Autoencoder [5.781280693720236]
  侵入検知の分野で最も難しい問題の1つは、離散イベントログの異常検出である。 離散イベントログのDeep Autoencoderベースの異常検出手法であるDabLogを提案する。 解析(符号化)と再構成(復号化)により、シーケンスが正常または異常かどうかを判定します。
  論文  参考訳（メタデータ） (2020-12-27T16:31:05Z)
• Self-Attentive Classification-Based Anomaly Detection in Unstructured Logs [59.04636530383049]
  ログ表現を学習するための分類法であるLogsyを提案する。 従来の方法と比較して,F1スコアの平均0.25の改善を示す。
  論文  参考訳（メタデータ） (2020-08-21T07:26:55Z)

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。