Core Concepts
시간적 배경 지식을 활용하여 예측 프로세스 모니터링에서 반사실적 설명을 생성하는 방법을 제안한다.
Abstract
이 논문은 예측 프로세스 모니터링(PPM) 분야에서 반사실적 설명을 생성하는 방법을 제안한다. 반사실적 설명은 AI 시스템의 예측 결과를 변경하기 위해 입력 인스턴스에서 무엇을 달리해야 하는지를 제안한다.
PPM에서 반사실적 설명을 다룰 때는 활동 간 제어 흐름 관계를 신중히 고려해야 한다. 반사실적 설명은 활동 간 제어 흐름 관계(시간적 배경 지식)를 위반해서는 안 된다.
기존 연구에서는 시간적 배경 지식을 고려하지 않고 반사실적 설명을 생성했다. 이 논문에서는 유전 알고리즘 기반의 반사실적 설명 생성 기법을 제안하여 시간적 배경 지식을 런타임에 고려한다. 이를 위해 적합도 함수, 교차 연산자, 돌연변이 연산자를 수정하여 시간적 제약 조건을 만족하도록 한다.
제안된 방법은 기존 유전 알고리즘 기반 반사실적 설명 생성 기법과 비교 평가되었다. 결과적으로 시간적 배경 지식을 포함하는 방법이 기존 방법에 비해 시간적 배경 지식 준수 측면에서 더 나은 성능을 보이면서도 기존 반사실적 설명 품질 지표에서도 개선된 성과를 보였다.
Stats
예측 프로세스 모니터링 분야에서 반사실적 설명을 생성할 때 활동 간 제어 흐름 관계를 고려해야 한다.
기존 연구에서는 시간적 배경 지식을 고려하지 않고 반사실적 설명을 생성했다.
이 논문에서는 유전 알고리즘 기반의 반사실적 설명 생성 기법을 제안하여 시간적 배경 지식을 런타임에 고려한다.
Quotes
"반사실적 설명은 활동 간 제어 흐름 관계(시간적 배경 지식)를 위반해서는 안 된다."
"기존 연구에서는 시간적 배경 지식을 고려하지 않고 반사실적 설명을 생성했다."
"이 논문에서는 유전 알고리즘 기반의 반사실적 설명 생성 기법을 제안하여 시간적 배경 지식을 런타임에 고려한다."