Process Mining Embeddings: Learning Vector Representations for Petri Nets

要約

プロセス マイニングは、現実世界のビジネス プロセスを発見、分析、最適化するための強力なフレームワークを提供します。
ペトリ ネットは、プロセス動作をモデル化する多用途の手段を提供します。
しかし、従来の方法では複雑なペトリネットを効果的に比較することが困難なことが多く、プロセス強化の可能性が妨げられています。
この課題に対処するために、Doc2Vec からインスピレーションを得た教師なし手法である PetriNet2Vec を導入します。
このアプローチでは、ペトリ ネットを埋め込みベクトルに変換し、プロセス モデルの比較、クラスタリング、分類を容易にします。
私たちは、96 の多様なペトリ ネット モデルで構成される PDC データセットを使用してアプローチを検証しました。
この結果は、PetriNet2Vec がプロセス モデルの構造特性を効果的にキャプチャし、正確なプロセス分類と効率的なプロセス検索を可能にすることを示しています。
具体的には、私たちの調査結果は、プロセス分類とプロセス検索という 2 つの重要な下流タスクにおける学習された埋め込みの有用性を強調しています。
プロセス分類では、埋め込みにより、構造特性に基づいてプロセス モデルを正確に分類できます。
プロセス検索では、埋め込みにより、コサイン距離を使用した類似プロセス モデルの効率的な検索が可能になりました。
これらの結果は、PetriNet2Vec がプロセス マイニング機能を大幅に強化する可能性を示しています。

要約(オリジナル)

Process Mining offers a powerful framework for uncovering, analyzing, and optimizing real-world business processes. Petri nets provide a versatile means of modeling process behavior. However, traditional methods often struggle to effectively compare complex Petri nets, hindering their potential for process enhancement. To address this challenge, we introduce PetriNet2Vec, an unsupervised methodology inspired by Doc2Vec. This approach converts Petri nets into embedding vectors, facilitating the comparison, clustering, and classification of process models. We validated our approach using the PDC Dataset, comprising 96 diverse Petri net models. The results demonstrate that PetriNet2Vec effectively captures the structural properties of process models, enabling accurate process classification and efficient process retrieval. Specifically, our findings highlight the utility of the learned embeddings in two key downstream tasks: process classification and process retrieval. In process classification, the embeddings allowed for accurate categorization of process models based on their structural properties. In process retrieval, the embeddings enabled efficient retrieval of similar process models using cosine distance. These results demonstrate the potential of PetriNet2Vec to significantly enhance process mining capabilities.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google