Core Concepts
프로세스 마이닝 기술을 활용하여 페트리 넷 모델의 구조적 특성을 학습하고 이를 벡터 표현으로 인코딩하는 방법을 제안한다.
Abstract
이 연구는 프로세스 마이닝 기술을 활용하여 페트리 넷 모델의 구조적 특성을 학습하고 이를 벡터 표현으로 인코딩하는 방법을 제안한다.
주요 내용은 다음과 같다:
페트리 넷 모델을 직접 따르는 그래프(Directly-Follows Graph, DFG)로 변환하여 문서와 유사한 형태로 표현한다.
이를 바탕으로 doc2vec 기반의 PetriNet2Vec 방법론을 제안하여 프로세스 모델과 개별 태스크에 대한 임베딩 벡터를 학습한다.
실험 결과, 학습된 임베딩 벡터를 활용하여 프로세스 모델 간 유사도 분석, 클러스터링, 분류 등의 작업을 수행할 수 있음을 확인했다.
특히 클러스터 분석을 통해 프로세스 모델 생성 규칙에 따른 구조적 특성을 파악할 수 있었다.
또한 태스크 임베딩 간 유사도 분석을 통해 태스크 간 관계를 이해할 수 있었다.
이를 바탕으로 프로세스 모델 검색, 분류 등의 다운스트림 작업에 활용할 수 있음을 보였다.
이 연구는 프로세스 마이닝 분야에서 복잡한 프로세스 모델을 효과적으로 분석하고 이해하는 데 기여할 것으로 기대된다.
Stats
프로세스 모델 내 태스크 간 순서 관계는 문서 내 단어 순서와 유사하다.
프로세스 모델 생성 규칙 중 루프(B), 보이지 않는 태스크(D), 중복 태스크(F) 등이 클러스터 형성에 주요한 영향을 미친다.
태스크 임베딩 간 유사도 분석을 통해 병렬 실행 관계 등 태스크 간 관계를 파악할 수 있다.
Quotes
"프로세스 마이닝 기술은 실제 비즈니스 프로세스를 발견, 분석, 향상시키는 강력한 기법을 제공한다."
"페트리 넷은 프로세스 행동을 모델링하는 표현력 있는 수단을 제공한다."
"복잡한 페트리 넷을 직접 분석하고 비교하는 것은 어려운 과제이다."