生成基于时间的标签细化以发现更精确的过程模型

过程挖掘是一个专注于事件数据分析以提取与动态行为相关洞察的研究领域。将过程挖掘技术应用于智能家庭环境的数据有潜力提供关于（不）健康习惯的宝贵洞察，并有助于环境辅助生活解决方案。然而，找到正确的事件标签以启用过程挖掘技术的应用远非易事，因为简单地使用触发传感器作为传感器事件的标签会导致信息量少的模型，允许过多行为（过度泛化）。领域专家提出的传感器级事件标签的细化已被证明能够发现更精确和更有洞察力的过程模型。然而，在过程挖掘背景下，不存在自动生成事件标签细化的方法。在本文中，我们提出了一个基于事件时间属性自动生成标签细化的框架，使我们能够根据时间属性区分同一事件类型在行为上不同的实例。我们在一个使用真实智能家庭事件数据的案例研究中展示，在过程发现中使用自动生成的细化标签，我们可以找到更具体因而更有洞察力的过程模型。我们观察到，一个标签细化在与其他一起使用时可能影响其他标签细化的有用性。因此，我们探索了四种策略来生成多个标签细化的有用组合，并在三个真实智能家庭事件日志上进行了评估。