عنوان : ( Concept drift detection in business process logs using deep learning )
نویسندگان: فاطمه خجسته , محسن کاهانی , بهشید بهکمال ,
Full Textچکیده
فرآیندکاوی یک زمینه تحقیقاتی نسبتا جدید است که بین هوش محاسباتی و داده‌کاوی از یک‌سو و مدل‌سازی فرایند و تحلیل آن از سوی دیگر قرار دارد. درواقع به تکنیک استخراج اطلاعات ارزشمند از فایل نگاره رویداد فرایندکاوی گفته می‌شود. فرایندهای کسب‌وکار در دنیای واقعی بسیار پیچیده هستند و متناسب با تحولات محیطی دچار تغییر می‌شوند. این در حالی است که تکنیک‌های کشف فرایند پایه، قادر به شناسایی این تغییرات نیستند و تنها فرایندهای ثابت را تحلیل می‌کنند. همه روش‌های موجود در شناسایی رانش فرایند، به سایز پنجره استفاده‌شده در شناسایی تغییرات وابسته هستند. همچنین، انتخاب ویژگی(هایی) که به‌خوبی بیان‌کننده روابط میان رویداد ها و دنباله ها باشد، ، چالش دیگر بیشتر پژوهش‌های انجام گرفته است. در این پژوهش، با بیان مفهوم تعبیه دنباله، روشی خودکار و مستقل از پنجره به‌منظور شناسایی رانش ناگهانی در نگاره‌های کسب‌وکار ارائه کرده‌ایم. با به‌کارگیری تعبیه دنباله، می‌توانیم همه ویژگی‌ها از روابط میان دنباله‌ها و رویدادها را استخراج‌کنیم و رانش‌های موجود در فرایندها را شناسایی کنیم. ارزیابی‌ها نشان می‌دهد که روش پیشنهادی نسبت به روش‌های موجود از دقت بالاتر و تأخیر شناسایی رانش کمتری برخوردار است.
کلمات کلیدی
, فرایندکاوی, رانش مفهومی, تغییرات فرایند, تعبیه کلمه
@article{paperid:1078202,
author = {خجسته, فاطمه and کاهانی, محسن and بهکمال, بهشید},
title = {Concept drift detection in business process logs using deep learning},
journal = {پردازش علائم و داده ها- Signal and Data Processing},
year = {2021},
volume = {17},
number = {4},
month = {February},
issn = {2538-4201},
pages = {33--48},
numpages = {15},
keywords = {فرایندکاوی، رانش مفهومی، تغییرات فرایند، تعبیه کلمه},
}
%0 Journal Article
%T Concept drift detection in business process logs using deep learning
%A خجسته, فاطمه
%A کاهانی, محسن
%A بهکمال, بهشید
%J پردازش علائم و داده ها- Signal and Data Processing
%@ 2538-4201
%D 2021
