論文の概要: SHAining on Process Mining: Explaining Event Log Characteristics Impact on Algorithms

• arxiv url: http://arxiv.org/abs/2509.08482v1
• Date: Wed, 10 Sep 2025 10:47:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-11 15:16:52.391926
• Title: SHAining on Process Mining: Explaining Event Log Characteristics Impact on Algorithms
• Title（参考訳）: プロセスマイニングに関するSHAining氏の講演: イベントログの特徴がアルゴリズムに与える影響について
• Authors: Andrea Maldonado, Christian M. M. Frey, Sai Anirudh Aryasomayajula, Ludwig Zellner, Stephan A. Fahrenkrog-Petersen, Thomas Seidl,
• Abstract要約: 我々は、プロセスマイニングアルゴリズムのメトリクスに対する様々なイベントログ特性の限界寄与を定量化する最初のアプローチであるSHAiningを紹介する。 22,000以上のイベントログを分析して、メトリクス(例えば、フィットネス、精度、複雑さ)にわたるアルゴリズムに最も影響のある、幅広い特徴を明らかにします。
• 参考スコア（独自算出の注目度）: 5.092742009996173
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Process mining aims to extract and analyze insights from event logs, yet algorithm metric results vary widely depending on structural event log characteristics. Existing work often evaluates algorithms on a fixed set of real-world event logs but lacks a systematic analysis of how event log characteristics impact algorithms individually. Moreover, since event logs are generated from processes, where characteristics co-occur, we focus on associational rather than causal effects to assess how strong the overlapping individual characteristic affects evaluation metrics without assuming isolated causal effects, a factor often neglected by prior work. We introduce SHAining, the first approach to quantify the marginal contribution of varying event log characteristics to process mining algorithms' metrics. Using process discovery as a downstream task, we analyze over 22,000 event logs covering a wide span of characteristics to uncover which affect algorithms across metrics (e.g., fitness, precision, complexity) the most. Furthermore, we offer novel insights about how the value of event log characteristics correlates with their contributed impact, assessing the algorithm's robustness.
• Abstract（参考訳）: プロセスマイニングは、イベントログから洞察を抽出し分析することを目的としているが、アルゴリズムのメトリック結果は、構造的なイベントログの特性によって大きく異なる。 既存の作業は、実際のイベントログの固定セットでアルゴリズムを評価することが多いが、イベントログの特徴がアルゴリズムにどう影響するかの体系的な分析は欠如している。 さらに、事象ログは、特徴が共起するプロセスから生成されるため、重なり合う個々の特徴が、孤立因果効果を仮定することなく、評価指標にどの程度の強さが影響するかを評価するために、因果効果よりも関連性に焦点を当てる。 我々は、プロセスマイニングアルゴリズムのメトリクスに対する様々なイベントログ特性の限界寄与を定量化する最初のアプローチであるSHAiningを紹介する。 プロセスディスカバリをダウンストリームタスクとして使用し、22,000以上のイベントログを分析して、メトリクス(例えば、適合性、精度、複雑さ)にわたるアルゴリズムに最も影響を与える、幅広い特徴をカバーしています。 さらに、イベントログ特性の価値が、その寄与した影響とどのように相関し、アルゴリズムの堅牢性を評価するかについて、新しい知見を提供する。

関連論文リスト

• Ranking the Top-K Realizations of Stochastically Known Event Logs [0.0]
  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。
  論文  参考訳（メタデータ） (2024-09-30T08:53:09Z)
• Log Summarisation for Defect Evolution Analysis [14.055261850785456]
  エラーログに対するオンラインセマンティックベースのクラスタリング手法を提案する。 また、時間ログクラスタの性能を評価するための新しい指標も導入する。
  論文  参考訳（メタデータ） (2024-03-13T09:18:46Z)
• ACE : Off-Policy Actor-Critic with Causality-Aware Entropy Regularization [52.5587113539404]
  因果関係を考慮したエントロピー(entropy)という用語を導入し,効率的な探索を行うための潜在的影響の高いアクションを効果的に識別し,優先順位付けする。 提案アルゴリズムであるACE:Off-policy Actor-critic with Causality-aware Entropy regularizationは,29種類の連続制御タスクに対して,大幅な性能上の優位性を示す。
  論文  参考訳（メタデータ） (2024-02-22T13:22:06Z)
• 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)
• Multi-modal Causal Structure Learning and Root Cause Analysis [67.67578590390907]
  根本原因局所化のためのマルチモーダル因果構造学習手法であるMulanを提案する。 ログ選択言語モデルを利用してログ表現学習を行い、ログシーケンスを時系列データに変換する。 また、モダリティの信頼性を評価し、最終因果グラフを共同学習するための新しいキーパフォーマンスインジケータ対応アテンション機構も導入する。
  論文  参考訳（メタデータ） (2024-02-04T05:50:38Z)
• VAC2: Visual Analysis of Combined Causality in Event Sequences [6.145427901944597]
  我々は,複合原因と個別原因の探索を支援するために,複合因果解析システムを開発した。 この対話システムは多段階因果探索をサポートし,多様な順序付け戦略と焦点とコンテキスト技術を備える。 本システムの有用性と有効性は,パイロットユーザによる研究と,イベントシーケンスデータに関する2つのケーススタディによってさらに評価される。
  論文  参考訳（メタデータ） (2022-06-11T04:53:23Z)
• PROVED: A Tool for Graph Representation and Analysis of Uncertain Event Data [0.966840768820136]
  プロセスマイニングの分野は、歴史的なプロセス実行を分析して、データ駆動方式でプロセスを研究することを目的としている。 近年のイベントデータは,不確実なイベントデータを含むプロセスマイニングコミュニティの関心を集めている。 PROVEDツールは、このような不確実なイベントデータを探索、ナビゲート、分析するのに役立ちます。
  論文  参考訳（メタデータ） (2021-03-09T17:11:54Z)
• 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)
• 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)

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。