DABL: 使用大语言模型检测商业流程中的语义异常
计算与语言
2025-12-16 v2
摘要
检测商业流程中的异常情况对于确保运营成功至关重要。虽然许多现有方法依赖统计频率来检测异常，但频繁出现的行为并不一定意味着不理想。从语义角度检测异常更为有效。然而，当前的语义异常检测方法将单个轨迹（即流程实例）视为多个事件对，这会破坏长距离依赖关系。本文引入DABL，这是一种使用大语言模型（LLM）检测商业流程语义异常的新方法。我们收集了来自多个领域的143,137个真实业务流程模型。通过对这些流程模型进行播放生成正常轨迹，并模拟排序和排除异常，我们使用所生成的日志微调Llama 2。在大量实验中，我们展示了DABL在泛化能力和学习给定流程方面均优于现有的语义异常检测方法。用户可以直接将DABL应用于自己的数据集，而无需额外训练。此外，DABL能够以自然语言解释异常的原因，为检测到的异常提供有价值的见解。
引用
@article{arxiv.2406.15781,
title = {DABL: Detecting Semantic Anomalies in Business Processes Using Large Language Models},
author = {Wei Guan and Jian Cao and Jianqi Gao and Haiyan Zhao and Shiyou Qian},
journal= {arXiv preprint arXiv:2406.15781},
year = {2025}
}