基于图神经网络检测面向对象的业务流程中的异常事件

检测异常对于识别业务流程中的低效、错误或欺诈行为至关重要。传统流程挖掘方法侧重于分析基于单一案例概念的“扁平化”顺序事件日志。然而，许多现实世界的流程执行呈现出图状结构，其中事件可与多个案例相关联。扁平化事件日志需要选择单一案例标识符，这导致与实际事件数据产生差距，并人为地在事件日志中引入异常。面向对象的过程挖掘通过允许事件与不同案例相关联，避免了这些局限性。本研究提出一种新颖的业务流程异常检测框架，该框架利用图神经网络以及面向对象过程挖掘所提供的增强信息。我们首先将面向对象事件日志中的过程依赖关系重构并表示为属性图，然后采用图卷积自编码器架构检测异常事件。结果表明，我们的方法在活动类型和属性层面检测异常方面表现出良好的性能，但在检测事件时间顺序异常方面仍存在困难。