arXiv cs.AI· Mostafa Abbasi, Homayoun Najjaran·· 3 天前AI 评分22
PetriNetGraph：面向模型中心一致性检查的节点嵌入框架
A Node Embedding Framework for Model-Centric Conformance Checking in Process Mining
AI 导读
研究者提出 PetriNetGraph，将 Petri 网流程模型转为图表示，结合节点嵌入与 Procrustes 对齐实现跨图可比，并用参数化余弦距离给出统一有界的一致性度量。
正文 · AI 翻译
摘要：评估从事件日志中发现的过程模型的质量是过程挖掘中的一个基本挑战。传统评估依赖于诸如拟合度和精确度等一致性指标，这些指标对事件日志中的噪声和偏差高度敏感，因此往往无法对发现算法给出一致的评估。我们引入了一个以模型为中心的评估框架，该框架将节点嵌入与 Procrustes 对齐相结合，以实现跨图可比性，因为从不同图导出的嵌入位于不同的向量空间中。所提出的 PetriNetGraph 方法将 Petri 网过程模型转换为与嵌入算法兼容的图表示。通过参数化余弦距离比较真实模型和发现模型的节点嵌入，产生了一个统一且有界的度量，用于跨数据集和方法评估过程发现。我们在静态和上下文感知场景下评估该框架，以考察关于活动存在性的先验知识如何影响结构相似性的评估。该框架还集成了一个合规性检查机制，可在活动级别定位偏差，以及一个熵正则化的节点距离聚合函数，用于量化整个模型中的全局偏差。在九个公开可用的事件日志上的实验表明，该方法提供了一种可靠的基于嵌入的一致性指标，反映了拟合度和精确度的行为。在具有受控噪声水平的合成日志上的实验证实，它比传统一致性指标、PetriNet2Vec 及其动态窗口和 Procrustes 对齐变体对日志偏差的鲁棒性显著更强，同时对过程模型退化保持敏感。所有实现细节和数据集均已公开。
| 评论： | 34 页，13 幅图，8 张表。代码：此 https URL |
| 主题： | 人工智能（cs.AI） |
| ACM 分类： | I.2.6; H.2.8 |
| 引用为： | arXiv:2610.17702 [cs.AI] |
| （或 arXiv:2610.17702v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.17702 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Mostafa Abbasi [查看电子邮件]
[v1]
2026 年 10 月 13 日星期二 04:34:39 UTC（6,171 KB）
来源：arXiv cs.AI · arxiv.org