Interactive Multi Interest Process Pattern Discovery

要約

プロセス パターン ディスカバリ メソッド (PPDM) は、ユーザーが関心のあるパターンを特定することを目的としています。
既存の PPDM は通常、監視されておらず、頻繁なパターンの発見など、関心のある 1 つの側面に焦点を当てています。
多次元分析の目標に従って最適なパターンを特定することを目的とした、プロセス パターン発見のための対話型の多関心主導フレームワークを紹介します。
提案されたアプローチは反復的かつ対話型であるため、発見プロセス中に専門家の知識が考慮されます。
この論文は、具体的な分析目標、つまり、プロセスの結果に影響を与えるプロセス パターンを導き出すことに焦点を当てています。
インタラクティブな設定と完全に自動化された設定の両方で、現実世界のイベント ログに対するアプローチを評価します。
このアプローチでは、対話型設定で専門知識によって検証された意味のあるパターンが抽出されました。
自動設定で抽出されたパターンは、ユーザー定義のしきい値を必要とせずに、単一の関心の次元を考慮して導出されたパターンと同等以上の予測パフォーマンスを一貫してもたらしました。

要約(オリジナル)

Process pattern discovery methods (PPDMs) aim at identifying patterns of interest to users. Existing PPDMs typically are unsupervised and focus on a single dimension of interest, such as discovering frequent patterns. We present an interactive multi interest driven framework for process pattern discovery aimed at identifying patterns that are optimal according to a multi-dimensional analysis goal. The proposed approach is iterative and interactive, thus taking experts knowledge into account during the discovery process. The paper focuses on a concrete analysis goal, i.e., deriving process patterns that affect the process outcome. We evaluate the approach on real world event logs in both interactive and fully automated settings. The approach extracted meaningful patterns validated by expert knowledge in the interactive setting. Patterns extracted in the automated settings consistently led to prediction performance comparable to or better than patterns derived considering single interest dimensions without requiring user defined thresholds.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google