論文の概要: A Node Embedding Framework for Model-Centric Conformance Checking in Process Mining
- arxiv url: http://arxiv.org/abs/2610.17702v1
- Date: Tue, 13 Oct 2026 04:34:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:15.506191
- Title: A Node Embedding Framework for Model-Centric Conformance Checking in Process Mining
- Title（参考訳）: プロセスマイニングにおけるモデル中心コンフォーマンスチェックのためのノード埋め込みフレームワーク
- Abstract要約: イベントログから発見されたプロセスモデルの品質を評価することは、プロセスマイニングにおける根本的な課題である。
本稿では,ノード埋め込みとProcrustesアライメントを組み合わせたモデル中心評価フレームワークを提案する。
提案手法は,ペトリネットプロセスモデルを埋め込みアルゴリズムと互換性のあるグラフ表現に変換する。
- 参考スコア（独自算出の注目度）: 5.960036206015683
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Evaluating the quality of process models discovered from event logs is a fundamental challenge in process mining. Traditional evaluation relies on conformance metrics such as fitness and precision, which are highly sensitive to noise and deviations in event logs and therefore often fail to give a consistent assessment of discovery algorithms. We introduce a model-centric evaluation framework that combines node embeddings with Procrustes alignment to enable cross-graph comparability, since embeddings derived from different graphs reside in distinct vector spaces. The proposed PetriNetGraph method transforms Petri net process models into graph representations compatible with embedding algorithms. Comparing the node embeddings of ground-truth and discovered models through a parameterized cosine distance yields a unified and bounded metric for evaluating process discovery across datasets and methods. We evaluate the framework under static and context-aware scenarios to examine how prior knowledge of activity existence influences the assessment of structural similarity. The framework also integrates a compliance checking mechanism that localizes deviations at the activity level and an entropy-regularized node distance aggregation function that quantifies global deviations across the model. Experiments on nine publicly available event logs show that the approach provides a reliable embedding-based conformance indicator that reflects the behavior of fitness and precision. Experiments on synthetic logs with controlled noise levels confirm that it is substantially more robust to log deviations than traditional conformance metrics, PetriNet2Vec, and its dynamic-window and Procrustes-aligned variants, while remaining sensitive to process model degradation. All implementation details and datasets are publicly available.
- Abstract（参考訳）: イベントログから発見されたプロセスモデルの品質を評価することは、プロセスマイニングにおける根本的な課題である。
従来の評価は、フィットネスや精度などの適合度基準に依存しており、イベントログのノイズや偏差に非常に敏感であるため、発見アルゴリズムを一貫した評価に失敗することが多い。
本稿では,ノード埋め込みとProcrustesアライメントを組み合わせることで,異なるグラフから派生した埋め込みが異なるベクトル空間に存在するため,クロスグラフのコンパラビリティを実現するモデル中心評価フレームワークを提案する。
提案手法は,ペトリネットプロセスモデルを埋め込みアルゴリズムと互換性のあるグラフ表現に変換する。
基底軌道のノード埋め込みと発見モデルとをパラメータ化したコサイン距離で比較すると、データセットやメソッド間のプロセス発見を評価するための統一された境界付きメトリクスが得られる。
この枠組みを静的・文脈認識のシナリオで評価し,活動存在の事前の知識が構造的類似性の評価にどのように影響するかを検討する。
このフレームワークはまた、アクティビティレベルでの偏差をローカライズするコンプライアンスチェック機構と、モデル全体のグローバル偏差を定量化するエントロピー規則化ノード距離集計関数を統合する。
9つの公開イベントログの実験によると、このアプローチはフィットネスと精度の振る舞いを反映した、信頼性の高い埋め込みベースの適合度指標を提供する。
制御された騒音レベルを持つ合成ログの実験では、従来の適合度指標であるペトリネット2Vecとその動的ウインドウとプロクリストスに沿った変種よりもログの偏差がかなり頑健であることが確認され、プロセスモデル劣化に敏感なままである。
すべての実装の詳細とデータセットが公開されている。
関連論文リスト
- A comprehensive and trustworthy benchmark of AI methods for change detection in Earth observation [6.608286365425497]
地球観測における変化検出は、陸地表面の変化を監視するために重要である。
本稿では,変化検出のためのSOTA(State-of-the-art)ディープラーニング手法を評価するための,標準化されたオープンソースベンチマークを提案する。
論文 参考訳（メタデータ） (2026-08-28T12:04:39Z) - Noise Titration: Exact Distributional Benchmarking for Probabilistic Time Series Forecasting [1.5939955861266883]
本稿では,介入主義的,厳密な統計的ベンチマークへのパラダイムシフトを提案する。
我々は,ブラックボックスシーケンスマッチングゲームから正確な分布推定タスクに予測を変換する。
我々は、最先端のゼロショットモデルがコンテキストパロッキング機構と一貫して振る舞うことを発見した。
論文 参考訳（メタデータ） (2026-03-23T17:14:11Z) - Nonparametric Data Attribution for Diffusion Models [57.820618036556084]
生成モデルのデータ属性は、個々のトレーニング例がモデル出力に与える影響を定量化する。
生成画像とトレーニング画像のパッチレベルの類似性によって影響を測定する非パラメトリック属性法を提案する。
論文 参考訳（メタデータ） (2025-10-16T03:37:16Z) - Score-Based Model for Low-Rank Tensor Recovery [49.158601255093416]
低ランクテンソル分解(TD)は、マルチウェイデータ解析に有効なフレームワークを提供する。
従来のTD法は、CPやタッカー分解のような事前定義された構造的仮定に依存している。
本稿では,事前定義された構造的仮定や分布的仮定の必要性を排除したスコアベースモデルを提案する。
論文 参考訳（メタデータ） (2025-06-27T15:05:37Z) - Distributed Bayesian Learning of Dynamic States [65.7870637855531]
提案アルゴリズムは有限状態隠れマルコフモデルに対する分散ベイズフィルタタスクである。
逐次状態推定や、動的環境下でのソーシャルネットワーク上での意見形成のモデル化に使用できる。
論文 参考訳（メタデータ） (2022-12-05T19:40:17Z) - Numerically Stable Sparse Gaussian Processes via Minimum Separation
using Cover Trees [57.67528738886731]
誘導点に基づくスケーラブルスパース近似の数値安定性について検討する。
地理空間モデリングなどの低次元タスクに対しては,これらの条件を満たす点を自動計算する手法を提案する。
論文 参考訳（メタデータ） (2022-10-14T15:20:17Z) - Conformance Checking Over Stochastically Known Logs [7.882975068446842]
データログは、例えば、センサ読み取りの不正確さや、処理プログラムによる読み取りの誤った解釈によって不確実になる可能性がある。
この作業では、プロセスモデルとイベントログを比較するコンフォーマンスチェックに重点を置いています。
我々は,ログ内の事象の不確実性を反映したトレースモデル,同期生成物,コスト関数を数学的に定義する。
論文 参考訳（メタデータ） (2022-03-14T21:33:06Z) - Scalable Intervention Target Estimation in Linear Models [52.60799340056917]
因果構造学習への現在のアプローチは、既知の介入目標を扱うか、仮説テストを使用して未知の介入目標を発見する。
本稿では、全ての介入対象を一貫して識別するスケーラブルで効率的なアルゴリズムを提案する。
提案アルゴリズムは、与えられた観測マルコフ同値クラスを介入マルコフ同値クラスに更新することも可能である。
論文 参考訳（メタデータ） (2021-11-15T03:16:56Z) - CoCoMoT: Conformance Checking of Multi-Perspective Processes via SMT
(Extended Version) [62.96267257163426]
我々はCoCoMoT(Computing Conformance Modulo Theories)フレームワークを紹介する。
まず、純粋な制御フロー設定で研究したSATベースのエンコーディングを、データ認識ケースに持ち上げる方法を示す。
次に,プロパティ保存型クラスタリングの概念に基づく新しい前処理手法を提案する。
論文 参考訳（メタデータ） (2021-03-18T20:22:50Z) - An Entropic Relevance Measure for Stochastic Conformance Checking in
Process Mining [9.302180124254338]
本稿では,各ログのトレースを圧縮するために必要な平均ビット数として計算された適合性チェックのためのエントロピー関連尺度を提案する。
エントロピー関連性はログのサイズで線形に計算可能であることを示し、産業環境における新しい手法の適用可能性を示す評価結果を提供する。
論文 参考訳（メタデータ） (2020-07-18T02:25:33Z) - Adversarial System Variant Approximation to Quantify Process Model
Generalization [2.538209532048867]
プロセスマイニングでは、プロセスモデルはイベントログから抽出され、複数の品質次元を用いて一般的に評価される。
この問題を解決するために,Adversarial System Variant Approximation (AVATAR)と呼ばれる新しいディープラーニングベースの手法が提案されている。
論文 参考訳（メタデータ） (2020-03-26T22:06:18Z)
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。