Trace Recovery from Stochastically Known Logs

要約

この研究では、確率的に既知のログからトレースを回復するためのアルゴリズムを提案します。この設定は、不確実なデータを生成するセンサーや予測モデルの数が増加するにつれて、より一般的になりつつあります。
提案されたアプローチは、プロセス モデルと確率的に既知のトレースとの間の適合性を計算し、この確率的トレース内の最良の位置合わせを真のトレースとして復元します。
この論文では、トレース回復精度に対するさまざまなコスト モデルの影響を分析し、製品のマルチグラフを利用して代替トレース回復オプションを比較しています。
公開されている 2 つのデータセットを使用して評価された当社のアプローチの平均精度は、平均回復精度スコアが 90 ～ 97% であり、不確実なアクティビティごとに最も可能性の高い値を選択する一般的なヒューリスティックを大幅に向上させています。
私たちは、確率的に既知のログから正しいトレースを回復する際の提案されたアルゴリズムの有効性が、不確実な状況において信頼できる意思決定ツールを開発するための強力な助けとなる可能性があると信じています。

要約(オリジナル)

In this work we propose an algorithm for trace recovery from stochastically known logs, a setting that is becoming more common with the increasing number of sensors and predictive models that generate uncertain data. The suggested approach calculates the conformance between a process model and a stochastically known trace and recovers the best alignment within this stochastic trace as the true trace. The paper offers an analysis of the impact of various cost models on trace recovery accuracy and makes use of a product multi-graph to compare alternative trace recovery options. The average accuracy of our approach, evaluated using two publicly available datasets, is impressive, with an average recovery accuracy score of 90-97%, significantly improving a common heuristic that chooses the most likely value for each uncertain activity. We believe that the effectiveness of the proposed algorithm in recovering correct traces from stochastically known logs may be a powerful aid for developing credible decision-making tools in uncertain settings.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google