• 论文信息

题目-作者-时间-出版社-引用
van Zelst, S. J., Fani Sani, M., Ostovar, A., Conforti, R., & La Rosa, M. (2020). Detection and removal of infrequent behavior from event streams of business processes. Information Systems, 90(October), 101451. https://doi.org/10.1016/j.is.2019.101451

  • 背景
    大量过程挖掘算法使用离线静态数据进行挖掘。而实时数据流可以帮助更好的理解历程。但是在线处理技术大多假设输入数据完全没噪音和异常行为。因此这些算法在应对实际场景时效果不行。
  • 方法
    提出了一种事件处理器，能够从实时数据流中过滤低频行为。
    1. 如何界定低频？
    2. 如何过滤？
    3. 如何实时处理？
  • 概述
    • 提出的方法依赖于总事件流的行为的时间演变子集，从中可以推断出代表该行为的增量更新模型
    • 概率自动机，动态更新过滤异常
    • 使用相应的圆形实验，定量实验
    • 拓展了已有研究
      • 添加发射延迟和自动机投票以更准确的检测到不必要的低频
      • 丰富了实验，增加噪音数量和过滤阈值范围
      • 增加噪音分类法
  • 局限
  • 未来方向

他评

  1. 论文一
  1. 论文一

星期五, 05. 六月 2020 11:13下午