一种用于修复过程挖掘中事件日志缺失活动标签的深度学习方法
信息检索
2022-03-21 v2
摘要
过程挖掘是一个相对新兴的学科，在传统过程建模与数据挖掘之间架起桥梁。过程发现是过程挖掘中最关键的部分之一，旨在从事件日志中自动发现过程模型。当事件日志中存在缺失活动标签时，现有过程发现算法的性能会受到影响。已有若干方法被提出用于修复缺失活动标签，但当大量活动标签缺失时其准确率会下降。本文中，我们提出了一种基于 LSTM 的预测模型来预测事件日志中缺失的活动标签。所提模型将以缺失活动标签事件的前缀序列和后缀序列同时作为输入。事件日志的附加属性也被利用以提升性能。我们在多个公开可用数据集上的评估表明，所提方法在修复事件日志缺失活动标签方面始终优于现有方法。
引用
@article{arxiv.2202.10326,
title = {A Deep Learning Approach for Repairing Missing Activity Labels in Event Logs for Process Mining},
author = {Yang Lu and Qifan Chen and Simon K. Poon},
journal= {arXiv preprint arXiv:2202.10326},
year = {2022}
}