检测并解释年度资助申请中的漂移
人工智能
2018-10-17 v2 机器学习
摘要
在业务流程的生命周期内，可对其工作流、所需资源、所需文档等做出变更。因此，同一日志文件中来自同一业务流程的不同轨迹可能因这些变更而存在显著差异。我们提出一种能够检测具有十几个属性的多变量日志文件中的概念漂移的方法。我们在 BPI Challenge 2018 数据（包含德国农民申请欧盟直接支付的记录）上测试了我们的方法，并用其检测概念漂移。与其他方法相反，我们的算法不需要手动选择用于检测漂移的特征。我们的方法首先建立一个捕捉属性之间以及不同时间步事件之间关系的模型。随后该模型用于为每个事件和轨迹打分。这些分数可用于检测异常个案与概念漂移。得益于分数的可分解性，我们能够执行详细的根本原因剖析。
引用
@article{arxiv.1809.05650,
title = {Detecting and Explaining Drifts in Yearly Grant Applications},
author = {Stephen Pauwels and Toon Calders},
journal= {arXiv preprint arXiv:1809.05650},
year = {2018}
}
备注
BPI Challenge 2018 - Academic Report