本研究旨在开发处理特殊事件数据的过程挖掘技术,特别是不确定性事件数据,通过回顾现有文献,定义未来展望,为该研究课题奠定基础。
Apr, 2022
本文提出了一种实例选择程序,可以对采样进行培训,以预测下一步的活动,从而使训练速度显著提高,同时保持可靠的预测准确性。
本文提出了一种基于知识图谱的方法,用于缓解事件日志中的噪声 / 不完整信息对流程分析技术的影响,并帮助流程分析师理解与事件日志相关的可变性。
Jan, 2023
本研究提出了一种选择实例的程序,可以提高训练速度,同时保持可靠的预测准确度,用于预测活动和剩余时间等信息,适用于预测过程挖掘的研究领域。
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,以便生成更易读和理解的过程模型。
Mar, 2023
本文提出了一种基于神经网络的方法,通过将用户交互数据聚合为单独的用户会话来解决没有案例标识符的点击数据的分析障碍,并在移动共享公司的用户交互事件的上下文中展示事件 - 案例相关性的案例和用户研究。通过与流程专家的访谈,本文进一步验证了流程挖掘分析对结果良好形成的事件日志的影响。
使用序列到序列深度学习方法解决事件日志预测问题,可以在合成日志和真实日志中生成完美的预测,并为事件日志预测提供实际建议。
Dec, 2023
运用过程挖掘技术分析无结构数据面临多项挑战,本文讨论这些挑战并提出初步解决方案和未来研究方向,为未来的合作奠定基础。
Nov, 2023
本文探讨了在将机器学习模型整合进过程挖掘管道中所需考虑的问题,特别是数据分布的非参数性以及并发限制,提出了正确地将机器学习与过程挖掘相结合的方法学基础及在这一方向上的研究思路。
Jun, 2023
该论文通过对 12 个公开事件日志,12 个专有事件日志和 9 个质量指标的评估,对自动化流程发现方法进行了系统的回顾和比较评估,突出了该领域存在的差距和未被探索的权衡,其中包括某些方法缺乏可扩展性以及它们在所使用的不同质量度量方面性能强烈分歧。
May, 2017