新框架对过程挖掘模型进行分组以减少重复

提出了一种新框架来应对过程挖掘中的模型爆炸和重复挑战。该框架旨在对局部过程模型（LPM）进行分组，并从每个组中选择代表性模型形成最优样本。该方法使用既定指标或通过比较模型在事件日志中的上下文外观来衡量模型之间的相似性，这些日志是从日志中的数据属性派生出来的。通过在多个事件日志中与仅由得分最高的 LPM 组成的样本进行重复和覆盖率的比较，证明了这种分组策略的有效性。 AI

影响 通过减少模型冗余，提高了过程挖掘分析的效率和可解释性。

排序理由 关于过程挖掘新框架的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• CORE Recommender
• Crossref Event Data
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv Recommender
• Influence Flower
• Local Process Models
• process mining
• ScienceCast

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →