从以对象为中心的事件数据中提取和编码特征的框架
介绍了面向对象的过程挖掘中的过程执行概念,其是传统过程挖掘中的 case 概念的图形扩展,提供了提取过程执行的技术和可视化技术,并通过图同构确定了 respect 属性的等效过程行为。对实际操作数据进行了评估和案例研究。
Aug, 2022
该研究提出了一种利用图神经网络和面向对象的流程挖掘的框架来检测业务流程中的异常事件,结果表明该方法在活动类型和属性层面上能够很好地检测异常,但在事件的时间顺序上存在困难。
Feb, 2024
本论文介绍了如何利用 “Object-Centric Event Log” 和 “Generative Adversarial Networks (GAN) 、长短时记忆 (LSTM)、序列到序列模型 (Seq2seq)” 来实现流程预测,并在模型中使用对象属性,取得了与以往研究相当甚至更好的预测结果并提供 web 界面。
Jul, 2022
通过将事件和对象编码成图结构,提出了一种集成多样节点类型的异构对象事件图编码(HOEG)方法,然后采用异构图神经网络体系结构,在预测任务中利用这些多样的对象特征;评估了 HOEG 在预测剩余时间方面的性能和可扩展性,并与两种已建立的基于图的编码和两种基准模型进行了基准测试,结果表明,当对象事件日志中包含信息性的对象属性和事件 - 对象交互时,HOEG 表现良好且超过了其他已有模型。
Apr, 2024
本文提出了一种基于 Markov 直接跟踪多图的方法,用于聚类相似的实例,以实现无需分析员假设的集群发现,并通过一个 P2P 对象中心事件日志文件进行评估。
Jun, 2022
通过对约 65,000 个事件的事件日志进行深入的博鲁桑卡特售后服务流程的案例研究,本研究强调了面向对象的过程挖掘能够捕获复杂业务流程细节的能力,突出了其在实际运营场景中潜在而尚未充分开发利益。
Oct, 2023
本文提出了基于事件 - 论证结构和表达分类理论的事件中心观点挖掘任务并构建了语料库和评测框架,实验结果表明事件中心观点挖掘具有可行性和挑战性,并为未来研究提供了有益的任务、数据集和基线。
Mar, 2022
本文提出了一种基于 Petri 网的新方法,在考虑多种实例情况的同时,分析业务流程的性能,该方法可以正确计算现有的性能指标,并支持引入新的基于对象的性能指标,通过一个真实的贷款申请流程案例验证了该方法。
Apr, 2022
本研究介绍了一种基于图的事件相机新框架 SlideGCN,通过事件逐个处理并保持图的内部结构,从而高效处理事件数据并保持低延迟特性。在图构建方面,采用半径搜索算法来更好地利用事件云的部分规则结构。实验结果表明,相较于当前基于图的方法,我们的方法在保持最先进的目标识别性能的同时,将计算复杂度降低了 100 倍。此外,通过事件级处理,我们验证了该方法的优越性,当状态稳定时,能够以高置信度进行早期识别。
Aug, 2023