首页/论文/1906.08574

arXiv 1906.085742019-06-20cs.DB

从三重模式片段图中提取基本图模式

Extracting Basic Graph Patterns from Triple Pattern Fragment Logs

Nassopoulos Georges, Serrano-Alvarado Patricia, Molli Pascal, Desmontils Emmanuel

摘要：

Triple Pattern Fragment（TPF）方法实际上是一种以低成本和高服务器可用性发布关联数据的新方法。但是，托管TPF服务器的数据提供程序不能分析它们执行的SPARQL查询，因为它们只接收和评估具有一个三重模式的查询。在本文中，我们提出了LIFT：一个算法来提取基本图形模式（BGP）的执行查询TPF服务器日志。实验结果表明，LIFT算法提取出的BGP具有良好的查准率和查全率，噪声较小。

英文摘要：

The Triple Pattern Fragment (TPF) approach is de-facto a new way to publish Linked Data at low cost and with high server availability. However, data providers hosting TPF servers are not able to analyze the SPARQL queries they execute because they only receive and evaluate queries with one triple pattern. In this paper, we propose LIFT: an algorithm to extract Basic Graph Patterns (BGPs) of executed queries from TPF server logs. Experiments show that LIFT extracts BGPs with good precision and good recall generating limited noise.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

提取和预处理事件日志

Extracting and Pre-Processing Event Logs

事件数据是所有流程挖掘分析的基础。大多数流程挖掘技术都假设它们的输入是事件日志。然而，事件数据很少以事件日志格式记录，而是必须从原始数据中提取。事件日志提取本身就是一种建模行为，因为分析人员必须有意识地选择原始数据的哪些特征用于描述哪些实体的哪些行为。了解这些选择以及跟踪、案例、活动、事件、表和日志等概念中细微但重要的差异，对于掌握高级流程挖掘分析至关重要。本文提供了基本概念和形式化，并讨论了从原始事件表中提取事件日志和事件日志预处理的设计决策。它是作为一个过程采矿课程的高级讲座的学习材料。

2022-11-08cs.DBcs.DS

Logzip：通过迭代聚类提取隐藏结构进行日志压缩

Logzip: Extracting Hidden Structures via Iterative Clustering for Log Compression

系统日志记录了软件系统运行时的详细信息，并被用作围绕软件工程的许多任务的主要数据源。随着现代软件系统向大规模和复杂结构发展，日志已成为工业中快速增长的大数据类型之一。特别地，这种日志在实践中经常需要存储很长时间（例如，一年），以便分析经常出现的问题或跟踪安全问题。然而，归档日志会消耗大量的存储空间和计算资源，这反过来又会带来很高的运营成本。数据压缩对于降低日志存储成本至关重要。传统的压缩工具（例如，gzip）对于一般文本工作得很好，但是对于系统日志不太好。在本文中，我们提出了一种新颖的和有效的日志压缩方法，即logzip。Logzip能够通过快速迭代聚类从原始日志中提取隐藏结构，并进一步生成一致的中间表示，从而实现更有效的压缩。我们在五个不同系统类型的大型日志数据集上评估logzip，总大小为63.6 GB。结果表明，logzip可以节省约一半的存储空间，平均比传统的压缩工具。同时，logzip的设计是高度并行的，只会产生微不足道的开销。此外，我们还分享了我们将logzip应用于华为实际产品的行业经验。

2019-09-24cs.DBcs.SE

$\ extit{Dirigo}$：一种提取以对象为中心过程的事件日志的方法

$\textit{Dirigo}$: A Method to Extract Event Logs for Object-Centric Processes

针对传统单一对象事件日志局限及现有OCEL日志生成方法在数据源依赖、格式一致性及质量评估方面的不足，提出符合OCEL 2.0并扩展对象关系时间维度的$\ extit{Dirigo}$方法，建立质量评估标准并在真实用例中验证其有效性。

2024-11-12cs.DB

过程模型中频繁模式的挖掘

Mining Frequent Patterns in Process Models

流程挖掘已经成为一种分析组织行为的方法，它通过从事件日志中提取知识，并提供发现、监控和增强真实流程的技术。在过程模型的发现中，检索一个复杂的过程模型，即，一个难以理解的过程模型，可能会阻碍信息的提取。即使在结构良好的过程模型中，也存在无法用当前技术获得的信息。在本文中，我们提出了WoMine，这是一种从模型中检索频繁行为模式的算法。我们的方法搜索过程模型提取结构的序列，选择，平行和循环，这是经常在日志中执行。这一建议已经过验证的一组过程模型，包括一些来自BPI挑战，并与最先进的技术。实验证明，WoMine可以发现所有类型的模式，提取无法用最先进的技术挖掘的信息。

2017-10-11cs.AIcs.DB

一种用于流程挖掘的SAP ERP事件数据提取方法

An Event Data Extraction Approach from SAP ERP for Process Mining

从信息系统中提取、转换和加载事件日志是流程挖掘中的第一步，也是最昂贵的一步。特别是，从流行的ERP系统（如SAP）中提取事件日志带来了重大挑战，因为数据的大小和结构。对ETL的开源支持是稀缺的，而商业流程挖掘供应商维护到ERP系统的连接器，以特定的方式支持有限数量的业务流程的ETL。在本文中，我们提出了一种方法，以促进事件数据提取SAP ERP系统。在所提出的方法中，我们存储的事件数据的格式，以对象为中心的事件日志，有效地描述了ERP系统支持的业务流程的执行。为了评估所提出的方法的可行性，我们已经开发了一个工具，实现它，并进行了案例研究与现实生活中的SAP ERP系统。

2021-10-07cs.DB

从关系数据库中抽取多视点模型

Extracting Multiple Viewpoint Models from Relational Databases

流程挖掘项目中的大量时间都花在查找和理解数据源以及提取所需的事件数据上。因此，实际上只有一小部分时间用于应用技术来发现、控制和预测业务流程。此外，目前的过程挖掘技术假设一个单一的情况下的概念。然而，在现实生活中，不同的案例概念往往交织在一起。例如，同一订单处理流程的事件可能涉及客户、订单、订单行、交货和付款。因此，我们建议使用多视点（MVP）模型，通过对象关联事件，通过类关联活动。所需的事件数据更接近于现有的关系数据库。MVP模型提供了一个关于流程的整体视图，但也允许使用不同的视角提取经典事件日志。通过这种方式，现有的流程挖掘技术可以用于每个视点，而不需要新的数据提取和转换。我们提供了一个工具链，允许从关系数据库中发现MVP模型（注释有性能和频率信息）。此外，我们证明了经典的过程挖掘技术可以应用于任何选定的观点。

2020-01-08cs.DB

更多相关论文收起更多论文

癌症研究UK药物发现过程挖掘

Cancer Research UK Drug Discovery Process Mining

THE UNIVERSITY OF SHEFFIELD（谢菲尔德大学）

背景英国癌症研究中心（CRUK）的药物发现部门（DDU）正在使用Dotmatics软件来存储和分析药物发现过程中的科学数据。虽然数据包括事件日志、时间戳、活动和用户信息，但它们大多位于数据库中，没有充分利用其潜在价值。目标。本文旨在从药物发现过程中记录的事件日志数据中提取知识，以捕获英国癌症研究中心（CRUK）DDU正在执行的业务流程。为药物发现过程提供了过程挖掘全景模型的评价和绘制方法。因此，通过使DDU能够最大限度地提高其在审查其资源和工作分配方面的效率，患者将更快地受益于更多的新治疗方法。结论组织的管理可以从过程挖掘方法中受益。迪斯科对于非管理专家来说是极好的。ProM非常适合研究目的的专家。然而，流程挖掘不是一劳永逸的，而是一个常规的运营管理过程。事实上，事件日志需要更多地了解目标组织行为和组织业务流程。研究人员必须意识到，事件日志数据是流程挖掘中最重要和最优先的元素。

2018-05-18cs.DBcs.LG