BriefGPT - AI 论文速递
·
INEXA: 通过面向对象的流程挖掘进行交互和可解释的流程模型抽象
💡
原文中文，约1000字，阅读约需3分钟。
📝
内容提要
本文介绍了一种基于事件聚类的自动化合成算法，旨在从事件日志中发现层次化业务流程模型。通过事件抽象方法处理细粒度事件日志，提高流程挖掘效果，并提出基于知识图谱的方法以减轻噪声影响，同时探讨多粒度文本分类和不确定性事件数据在流程挖掘中的应用。
🎯
关键要点
- 本文介绍了一种基于事件聚类的自动化合成算法，用于从底层事件日志中发现层次化业务流程模型。
- 通过事件抽象的方法（ECSEA）处理细粒度ECS事件日志，以成功应用于流程挖掘。
- 提出了一种基于知识图谱的方法，以缓解事件日志中的噪声和不完整信息对流程分析的影响。
- 基于聚类的方法简化Object-Centric Event Logs中的复杂流程模型，改善B2B流程的用户体验。
- 对12个公开事件日志和12个专有事件日志进行了系统的回顾和比较评估，突出了领域中的差距和未被探索的权衡。
- 研究了不确定性事件数据在流程挖掘中的应用，包括现状、元属性和研究挑战。
- 提出了一种层次化神经网络，以从文本描述中高效建模和提取多粒度信息，结合自然语言处理和业务流程管理。
❓
延伸问答
什么是基于事件聚类的自动化合成算法？
基于事件聚类的自动化合成算法用于从底层事件日志中发现层次化业务流程模型，以生成更易读和理解的过程模型。
如何通过事件抽象方法提高流程挖掘效果？
通过事件抽象方法（ECSEA）处理细粒度ECS事件日志，使其能够成功应用于流程挖掘，从而提高效果。
知识图谱在流程分析中有什么作用？
知识图谱用于缓解事件日志中的噪声和不完整信息对流程分析的影响，帮助分析师理解事件日志的可变性。
本文对事件日志的评估结果如何？
对12个公开事件日志和12个专有事件日志进行了系统的回顾和比较评估，突出了领域中的差距和未被探索的权衡。
不确定性事件数据在流程挖掘中的研究挑战是什么？
研究挑战包括不确定性事件数据的现状、元属性以及如何有效应用于流程挖掘。
层次化神经网络在文本分类中的应用是什么？
层次化神经网络用于从文本描述中高效建模和提取多粒度信息，结合自然语言处理和业务流程管理。
➡️
