[논문 리뷰] SUMMARIZED: Efficient Framework for Analyzing Multidimensional Process Traces under Edit-distance Constraint

Phuong Anh Nguyen, Vatche Ishakian외 2명|arXiv (Cornell University)|2019. 05. 02.

Semantic Web and Ontologies참고 문헌 35인용 수 4

한 줄 요약

이 논문은 고차원 데이터를 사용자 제어 가능한 요약 공간으로 변환함으로써 편집 거리 제약 조건 하에서 다차원 프로세스 트레이스를 분석하기 위한 효율적인 프레임워크인 Summarized를 제안한다. 속성 기반 및 주제 기반 요약 기법과 이론적 오차 모델을 도입함으로써, 유사도 계산의 성능 향상과 함께 클러스터링 품질을 유지하거나 향상시키며, 요약된 데이터로부터 유도된 프로세스 모델의 적합도가 높고 구조적 복잡도가 낮다는 점을 입증하였다.

ABSTRACT

Domains such as scientific workflows and business processes exhibit data models with complex relationships between objects. This relationship is typically represented as sequences, where each data item is annotated with multi-dimensional attributes. There is a need to analyze this data for operational insights. For example, in business processes, users are interested in clustering process traces into smaller subsets to discover less complex process models. This requires expensive computation of similarity metrics between sequence-based data. Related work on dimension reduction and embedding methods do not take into account the multi-dimensional attributes of data, and do not address the interpretability of data in the embedding space (i.e., by favoring vector-based representation). In this work, we introduce Summarized, a framework for efficient analysis on sequence-based multi-dimensional data using intuitive and user-controlled summarizations. We introduce summarization schemes that provide tunable trade-offs between the quality and efficiency of analysis tasks and derive an error model for summary-based similarity under an edit-distance constraint. Evaluations using real-world datasets show the effectives of our framework.

연구 동기 및 목표

• 편집 거리 메트릭을 사용할 경우 다차원 프로세스 트레이스에서의 유사도 계산에 드는 높은 계산 비용을 해결하기 위해.
• 비즈니스 프로세스 및 과학 워크플로우와 같은 분야에서 복잡한 다중 속성 시퀀스를 효율적으로 분석하기 위해.
• 분석 효율성과 결과 품질의 균형을 맞출 수 있는 직관적이고 제어 가능한 요약 기법을 사용자에게 제공하기 위해.
• 요약 공간에서의 편집 거리에 대한 이론적 오차 모델을 개발하여, 기반 유사도 기반 분석의 신뢰성을 확보하기 위해.
• 실제 데이터셋을 대상으로 프레임워크를 평가하여 클러스터링 및 프로세스 모델 발견에서의 효과성을 입증하기 위해.

제안 방법

• 원본 다차원 프로세스 트레이스를 저차원 요약 공간으로 변환하여 계산 비용을 감소시키기 위해.
• 사용자가 특정 속성(예: TrackedBy, Sector)을 선택하여 요약 그룹을 정의하는 속성 기반 요약을 도입하기 위해.
• 클러스터링(예: LDA)을 사용하여 유사한 활동을 주제로 그룹화하는 주제 기반 요약을 제안하며, 파rameter k를 통해 해상도를 조절 가능하게 하기 위해.
• 주어진 제약 조건 하에서 요약 공간에서의 편집 거리가 원래 공간에서의 편집 거리로부터 벗어나지 않는 범위를 보장하는 오차 모델을 유도하기 위해.
• 요약된 데이터에 대해 편집 거리 기반의 계층적 클러스터링을 적용하여 간결하고 해석 가능한 프로세스 모델을 발견하기 위해.
• ProM 플러그인을 사용하여 Petri-네트워크 모델의 적합도 및 구조적 복잡도 분석을 통해 결과를 검증하기 위해.

실험 결과

연구 질문

• RQ1 다차원 프로세스 트레이스의 요약은 편집 거리 기반 분석에서 계산 비용을 크게 줄일 수 있으며, 결과 품질을 유지하거나 향상시킬 수 있는가?
• RQ2 다른 요약 기법(속성 기반 대비 주제 기반)은 트레이스 클러스터링 및 프로세스 모델 발견의 정확도와 효율성에 어떤 영향을 미치는가?
• RQ3 원래 공간에서의 편집 거리와 요약 공간에서의 편집 거리 사이의 이론적 관계는 무엇이며, 이를 범위로 제한할 수 있는가?
• RQ4 주제 기반 요약은 얼마나 효율성과 효과성 사이의 튜너블 트레이드오프를 제공할 수 있는가?
• RQ5 요약은 유사도 계산에서 노이즈를 줄여, 모델 적합도와 복잡도 측면에서 더 나은 클러스터링 결과를 이끌어낼 수 있는가?

주요 결과

• k=20인 주제 기반 요약은 의미적으로 더 유의미한 속성 기반 요약과 유사한 적합도 및 구조적 복잡도 결과를 달성한다.
• 특히 TrackedBy 속성을 사용한 속성 기반 요약은 일관되게 가장 높은 적합도와 가장 낮은 구조적 복잡도를 기록하여 강력한 의미 보존 능력을 보여준다.
• 무작위 요약은 적합도와 복잡도 측면에서 가장 열 劣하며, 효과적인 클러스터링을 위해서는 의미 구조가 필수적임을 확인한다.
• 프레임워크는 처리 시간을 크게 단축시키며, 그 효율성 향상은 그림 9에서 입증되었으며, 주제 기반 요약은 Lithography, BPIC, Bank 데이터셋 전반에서 무작위 요약을 능가한다.
• Summarized는 유사도 계산에서 노이즈를 걸러내어 원본 데이터를 분석한 경우보다 더 정확하고 간결한 프로세스 모델을 도출함으로써 클러스터링 결과를 향상시킨다.
• 이론적 오차 모델은 요약 공간에서의 신뢰할 수 있는 유사도 추정 기반을 제공하며, 후속 분석 작업에 대한 신뢰를 가능하게 한다.