抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
プロセスマイニングにおける異常検出は,プロセス実行における異常ケースまたはイベントの同定に焦点を合わせる。得られた診断を用いて, fraudent行動を防止するための対策を提供し,また,プロセスコンプライアンスとセキュリティを改善するための推奨事項を導いた。ほとんどの既存の技術は,オフライン設定における異常事例の検出に焦点を合わせている。しかし,タイムリーな方法で潜在的異常を同定し,即時対策を取るためには,リアルタイムでオンラインでイベントレベル異常を検出する必要がある。本論文では,次の活動予測法を用いてオンラインイベント異常検出問題に取り組むことを提案した。より具体的には,MLモデル(RFとXGBoostのような)と深いモデル(LSTMのような)の両方の使用を調べ,次の活動の確率を予測し,異常として予測される事象を考慮する。これらの予測異常検出法を,オンライン設定における4つの古典的教師なし異常検出手法(分離森林とLOFのような)と比較した。著者らの評価は,MLモデルを使用する提案方法が深いモデルを使用するものより優れている傾向があるが,一方,両方の方法は異常事象を検出する際に古典的教師なし方式より優れていることを示した。【JST・京大機械翻訳】