利用自编码器分析业务流程异常
人工智能
2018-05-01 v1
摘要
企业自然会对检测其内部流程中的异常感兴趣，因为这些异常可能是欺诈和低效的指示器。在商业智能领域，经典的异常检测研究并不十分频繁。在本文中，我们提出一种使用自编码器来检测和分析业务流程执行中出现的异常的方法。我们的方法不依赖于关于该流程的任何先验知识，并且可以在已经包含异常的含噪数据集上进行训练。我们通过在 700 个不同数据集上评估该方法并将其性能与三种最先进的异常检测方法进行比较，证明了其有效性。本文是我们 2016 年先前工作 [30] 的扩展。与原始发表相比，我们进一步在性能方面改进了该方法，并在更复杂的精细数据集上进行了详尽评估，包括来自 2012 年和 2017 年商业流程智能挑战赛的真实事件日志。在我们的实验中，我们的方法达到了 0.87 的 F1 分数，而最佳未改动的最先进方法达到了 0.72 的 F1 分数。此外，我们的方法可用于分析所检测到的异常，即流程的一次执行中哪个事件导致了该异常。
引用
@article{arxiv.1803.01092,
title = {Analyzing Business Process Anomalies Using Autoencoders},
author = {Timo Nolle and Stefan Luettgen and Alexander Seeliger and Max Mühlhäuser},
journal= {arXiv preprint arXiv:1803.01092},
year = {2018}
}
备注
20 pages, 5 figures