利用 GPT-4o 效率检测商业流程中的重做异常
机器学习
2025-02-12 v1 人工智能
摘要
本文探讨了 GPT-4o-2024-08-06（OpenAI 的大型语言模型之一）在检测商业流程异常方面的有效性，具体焦点为重做异常。我们开发了基于 GPT-4o 的工具，能够将事件日志转换为结构化格式，并识别商业事件日志中的重做活动。分析基于设计包含重做异常但无循环的合成数据集。为评估 GPT-4o-2024-08-06 的异常检测能力，我们使用了三种提示技术：零-shot、one-shot 和 few-shot。这些技术分别针对 normal、uniform 和 exponential 三种异常分布进行测试，以确定每种情况最有效的策略。结果显示，GPT-4o-2024-08-06 的性能突出。在该数据集上，模型在 normal 分布下采用 one-shot 提示实现 96.14% 的准确率，在 uniform 分布下采用 few-shot 提示实现 97.94% 的准确率，在 exponential 分布下采用 few-shot 提示实现 74.21% 的准确率。这些结果凸显了该模型作为检测事件日志中重做异常可靠工具的潜力，以及异常分布和提示策略如何影响模型性能。
引用
@article{arxiv.2502.06918,
title = {Leveraging GPT-4o Efficiency for Detecting Rework Anomaly in Business Processes},
author = {Mohammad Derakhshan and Paolo Ceravolo and Fatemeh Mohammadi},
journal= {arXiv preprint arXiv:2502.06918},
year = {2025}
}
备注
14 pages, 5 images, 4 tables