.png){kind=icon}
返回
Multi-View Trace Clustering Based on Graph Convolutional Networks in Process Mining
.png){kind=icon}
PRE
AI
DOI：10.1109/TSC.2025.3577480.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
过程挖掘技术可以从信息系统生成的事件日志中提取过程模型。然而，在灵活环境中，仅使用现有方法往往会导致复杂的过程模型难以理解，这是由于现实生活中的过程结构化程度较低且更为复杂。轨迹聚类是一种预处理技术，通过将日志中的相似行为进行划分，增强了模型挖掘的有效性。在本文中，我们提出了一种多视角轨迹聚类方法，命名为MTC，该方法提高了轨迹子簇的同一性。我们的方法由三部分组成：(1) 我们使用轨迹剖面从不同视角描绘轨迹，并将每个剖面基于k近邻算法转换成图；(2) 设计了一个融合图，基于注意力系数矩阵捕捉这些图之间的信息，然后使用图卷积网络对所有图进行编码以获得共同表示；(3) 我们还通过一个内部解码器增强了共同表示的表征能力。最后，我们采用k-means基于共同表示对日志中的轨迹进行聚类。使用多个数据集的广泛实验表明，MTC显著超越了当前最先进的轨迹聚类方法。
Keyword:
Process mining
trace clustering
representation learning
graph convolutional networks
service quality
期刊
IF:
5.8
论文数:
2.2K
被引数:
6.5K
机构
引用论文
分享收藏
Discovering learning processes using Inductive Miner: A case study with Learning Management Systems (LMSs).png)
PSICOTHEMA
OAAI
PSICOTHEMAIF3.5
OAAI分享收藏分享收藏分享收藏
查看更多内容