Process mining on noisy logs - Can log sanitization help to improve performance?

تکنیک های استخراج فرآیند برای خواندن پروسه های پردازش طراحی شده و مدل های فرآیند را از آنها استخراج می کنند. با این حال، سیاهههای مربوط به دنیای واقعی اغلب پر سر و صدا هستند و چنین سیاهههای مربوط تولید مدل های فرآیند مشابه و مشابه اسپاگتی را تولید می کند. ما پیشنهاد می کنیم یک تکنیک برای پاکسازی سیاهههای مربوط به سر و صدا با ایجاد یک طبقه بندی در یک زیر مجموعه از ورود به سیستم، و اعمال قوانین طبقه بندی برای حذف ردیابی های پر سر و صدا از ورود به سیستم. بهبود کیفیت مدل های حاصل از فرآیند در مصارف ورودی از مدل های معیار افزایش پیچیدگی در مورد فراخوانی رفتاری و ساختاری و معیارهای دقیق ارزیابی می شود. نتایج نشان می دهد که مدل های استخراج شده از این قبیل پردازش های پیش پردازنده بر روی چندین معیار ارزیابی برتر هستند. آنها نسبت به مدل های مرجع، وفاداری بیشتری نشان می دهند، و همچنین با عناصر کمتری جمع می شوند. یک ویژگی خوب از رویکرد مبتنی بر قانون، این است که آن را به هر الگوی نویز تعمیم می دهد، زیرا ماهیت نویز متفاوت است از یک ورود به سیستم دیگر. قوانین نیز قابل توضیح هستند و ممکن است به صورت دستی تغییر داده شوند. ما همچنین نتایج آزمایشات را با یک مجموعه داده واقعی ارائه می دهیم.