Event Abstraction for Enterprise Collaboration Systems to Support Social Process Mining

要約

プロセス マイニング (PM) の目的の 1 つは、情報システムのイベント ログからプロセス モデルを発見することです。
PM はプロセス指向のエンタープライズ システムにはうまく適用されていますが、コミュニケーションやドキュメント指向のエンタープライズ コラボレーション システム (ECS) にはあまり適していません。
ECS イベント ログは非常に粒度が細かく、ログに PM を適用すると、スパゲッティ モデルが生成されます。
これに対する一般的な解決策は、イベントの抽象化です。つまり、検出アルゴリズムを実行する前に、低レベルのログをより抽象的な高レベルのログに変換します。
ECS ログには、既存のイベント抽象化アプローチではこれまで完全には対処されていない特別な特性が備わっています。
私たちは、記録された実際のユーザー アクティビティ (高レベルのトレース) とシステムが生成した低レベルのトレース (ECS から抽出された) を比較することによってモデルをトレーニングする、カスタマイズされた ECS イベント抽象化 (ECSEA) アプローチでこのギャップを埋めることを目指しています。
このモデルを使用すると、将来の低レベルのトレースを、PM に使用できる抽象化された高レベルのログに自動的に変換できます。
私たちの評価では、このアルゴリズムが正確な結果を生成することがわかりました。
ECSEA は、ECS における共同作業活動の解釈に不可欠な前処理手法であり、これをソーシャル プロセス マイニングと呼んでいます。

要約(オリジナル)

One aim of Process Mining (PM) is the discovery of process models from event logs of information systems. PM has been successfully applied to process-oriented enterprise systems but is less suited for communication- and document-oriented Enterprise Collaboration Systems (ECS). ECS event logs are very fine-granular and PM applied to their logs results in spaghetti models. A common solution for this is event abstraction, i.e., converting low-level logs into more abstract high-level logs before running discovery algorithms. ECS logs come with special characteristics that have so far not been fully addressed by existing event abstraction approaches. We aim to close this gap with a tailored ECS event abstraction (ECSEA) approach that trains a model by comparing recorded actual user activities (high-level traces) with the system-generated low-level traces (extracted from the ECS). The model allows us to automatically convert future low-level traces into an abstracted high-level log that can be used for PM. Our evaluation shows that the algorithm produces accurate results. ECSEA is a preprocessing method that is essential for the interpretation of collaborative work activity in ECS, which we call Social Process Mining.

arxiv情報

著者 Jonas Blatt,Patrick Delfmann,Petra Schubert
発行日 2023-08-09 13:56:09+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.LG パーマリンク