دانلود مقاله تشخیص ناهنجاری نیمه تحت نظارت در رویداد فرآیند کسب و کار داده ها
موضوع انگلیسی:Semi-Supervised Anomaly Detection in Business Process Event Data using Self-Attention based Classification
زبان: انگلیسی
فرمت فایل: pdf
تعداد صفحه:10
سال انتشار:2021
چکیده
تجزیه و تحلیل فرآیندهای کسب و کار در سال های اخیر اهمیت فزاینده ای پیدا کرده است، به ویژه به دلیل ظهور تجزیه و تحلیل
ابزارهایی که دید داده محور از فرایندها را قادر می سازد و بنابراین به طور فزاینده پشتیبانی عملیاتی از جریانهای فرآیند را ارائه می دهد. در این
کار ، یک مدل طبقه بندی نیمه تحت نظارت ارائه شده است که پیشرفت های مختلف در یادگیری عمیق را در نظر می گیرد (به عنوان مثال ،
مدلهای مولد عمیق) ، تجزیه و تحلیل سریهای زمانی (به عنوان مثال ، حافظه کوتاه مدت طولانی) و پردازش توالی (به عنوان مثال ، توجه
مکانیسم) و آنها را در یک رویکرد ترکیب می کند. نتایج اجرای آزمایشی مدل طبقه بندی
نشان می‌دهد که می‌تواند ناهنجاری‌های مربوط به فعالیت و زمان را از داده‌های رویداد فیلتر کند و از روش‌های موجود بهتر عمل کند.
دقت طبقه بندی آن (نمره F1). مدل طبقه بندی نمره F1 را تا 93 کسب می کند.
