| 講演名 | 2022-05-20 トレースの例示による線形時相論理式の生成 小松 航汰(茨城大), 堀田 大貴(茨城大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | プロセスマイニングによるデータ分析を行うことで，ビジネスプロセスの効率的かつ網羅的な分析を支援することができる．プロセスマイニングの宣言的手法では，ユーザが線形時相論理（LTL）に基づいた正しい記述の論理式を与えることで，ビジネスプロセスにおける目的の性質を検証できる．しかし，多くのユーザにとってLTL をベースにした数学的な記法を理解し使いこなすことは困難であり，検証したい性質を記述することは容易ではない．このようなユーザによるビジネスプロセスの分析は不適切な検証結果となる可能性がある．そのため，数学的記法に精通していない者でも検証したい性質を記述するための手法が求められる．そこで，本研究では充足可能性問題（SAT）や決定木学習(DT) をベースとした手法を利用し，ビジネスプロセス上の時間的性質をXES 形式で保存されている一般的なイベントログの例から学習できるか検証した．また，本手法を用いて生成される論理式の表現能力についての調査も行った．本研究の妥当性を示すために，3 つの評価実験を行った．実験結果から本手法の一般的なイベントログに対する有効性と生成された論理式の表現能力の特徴を示すことができた． |
| 抄録(英) | In declarative process mining, a user can verify a desired property in a business process by providing an LTL formula with a correct description. However, it is difficult for many users to describe the properties they want to verify using mathematical notation based on LTL. Therefore, in this study, we use a method based on the satisfiability problem (SAT) and decision tree learning (DT) to verify whether temporal properties in business processes can be learned from general event log examples. The experimental results show the effectiveness of our method on general event logs and the characteristics of the learned properties. |
| キーワード(和) | プロセスマイニング / ビジネスプロセス / 充足可能性問題 / 決定木学習 |
| キーワード(英) | Process Mining / Business Process / Satisfiability Problem / Decision Tree Learning |
| 資料番号 | KBSE2022-1,SWIM2022-1 |
| 発行日 | 2022-05-13 (KBSE, SWIM) |
| 研究会情報 | |
| 研究会 | KBSE / SWIM |
|---|---|
| 開催期間 | 2022/5/20(から2日開催) |
| 開催地（和） | 機械振興会館 6階6-67会議室 |
| 開催地（英） | |
| テーマ（和） | デジタルエコノミーとインタプライズ，知能ソフトウェアエンジニア リング，他一般, 学生 |
| テーマ（英） | |
| 委員長氏名（和） | 中川 博之(阪大) / 五月女 健治(法政大) |
| 委員長氏名（英） | Hiroyuki Nakagawa(Osaka Univ.) / Kenji Saotome(Hosei Univ.) |
| 副委員長氏名（和） | 猿渡 卓也(NTTデータ) / 林 章浩(静岡理工科大) |
| 副委員長氏名（英） | Takuya Saruwatari(NTT Data) / Akihiro Hayashi(Shizuoka Inst. of Science and Tech.) |
| 幹事氏名（和） | 小形 真平(信州大) / 槇原 絵里奈(同志社大) / 能上 慎也(東京理科大) / 山田 耕嗣(阪産大) |
| 幹事氏名（英） | Shinpei Ogata(Shinsｈu Univ) / Erina Nakihara(Doshisha Univ,) / Shinya Nogami(Tokyo Univ. of Science) / Koji Yamada(Osaka Sangyo Univ.) |
| 幹事補佐氏名（和） | 小島 英春(阪大) / 柏 祐太郎(九大) / 工藤 司(静岡理工科大) / 辻 孝吉(愛知県立大) |
| 幹事補佐氏名（英） | Hideharu Kojima(Osaka Univ.) / Yutaro Kashiwa(Kyushu Univ,) / Tsukasa Kudo(Shizuoka Inst. of Science and Tech.) / Kokichi Tsuji(Aichi Pref. Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Knowledge-Based Software Engineering / Technical Committee on Software Interprise Modeling |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | トレースの例示による線形時相論理式の生成 |
| サブタイトル（和） | |
| タイトル（英） | Generating LTL formulas with Trace Examples |
| サブタイトル（和） | |
| キーワード(1)（和/英） | プロセスマイニング / Process Mining |
| キーワード(2)（和/英） | ビジネスプロセス / Business Process |
| キーワード(3)（和/英） | 充足可能性問題 / Satisfiability Problem |
| キーワード(4)（和/英） | 決定木学習 / Decision Tree Learning |
| 第 1 著者 氏名（和/英） | 小松 航汰 / Kota Komatsu |
| 第 1 著者 所属（和/英） | 茨城大学(略称：茨城大) Ibaraki University(略称：Ibaraki Univ.) |
| 第 2 著者 氏名（和/英） | 堀田 大貴 / Hiroki Horita |
| 第 2 著者 所属（和/英） | 茨城大学(略称：茨城大) Ibaraki University(略称：Ibaraki Univ.) |
| 発表年月日 | 2022-05-20 |
| 資料番号 | KBSE2022-1,SWIM2022-1 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | KBSE-38,SWIM-39 |
| ページ範囲 | pp.1-6(KBSE), pp.1-6(SWIM), |
| ページ数 | 6 |
| 発行日 | 2022-05-13 (KBSE, SWIM) |