Akademik Künye
Bu yazı, aşağıda künyesi verilen hakemli çalışmanın özetidir.
- Makale
- Business Process Management Anomaly Detection Through Semantic Embedding-Integrated Graph Neural Networks
- Yazarlar
- Teoman Berkay Ayaz; Ege Gülce; Stanley Hsu; Alper Özcan; Akhan Akbulut
- Sunulduğu etkinlik
- 2024 9th International Conference on Computer Science and Engineering (UBMK), 26–28 Ekim 2024, Antalya, Türkiye
- Sayfa
- 551–556
- Yayın tarihi
- 26.10.2024
- DOI
- 10.1109/ubmk63289.2024.10773613 — Yayıncı sayfası
İş süreçlerindeki sapmalar bir kuruluşun operasyonel hedeflerini doğrudan tehdit edebilir; bu yüzden İş Süreci Yönetimi (BPM) araçlarında anomali tespiti kritik bir yetenektir. Mevcut yaklaşımların çoğu bir davranışın ne kadar seyrek görüldüğüne bakar; oysa nadir olan her şey hatalı değildir. Süreçlerin karmaşıklığı ve etiketli verinin azlığı da işi zorlaştırır.
Next4biz Ar-Ge Merkezi ile Akdeniz Üniversitesi araştırmacılarının ortak çalışması, bu soruna tamamen gözetimsiz (unsupervised) bir graf sinir ağı mimarisiyle yaklaşıyor. Model, süreç adımları arasındaki geçişleri graf olarak temsil ediyor; kenar koşullu evrişimler kullanan bir graf otokodlayıcıyı, adımların anlamını yakalayan cümle dönüştürücü (sentence transformer) gömmeleriyle birleştiriyor. Böylece yalnızca "hangi adımdan hangisine geçildi" bilgisi değil, adımların ne anlama geldiği de analize dahil oluyor. Mimari, gerçek dünya süreç günlüklerine ölçeklenebilir biçimde uygulanmak üzere tasarlandı.
Yöntem üç farklı gerçek hayat süreç günlüğü üzerinde denendi; hem vaka (trace) düzeyinde hem de olay (event) düzeyinde anomali tespitinde kullanılabildiği gösterildi.
Bildiri, 26–28 Ekim 2024'te Antalya'da düzenlenen 9. Uluslararası Bilgisayar Bilimleri ve Mühendisliği Konferansı'nda (UBMK 2024) sunuldu ve IEEE tarafından yayımlanan konferans kitabında 551–556. sayfalarda yer aldı. Çalışma, Ar-Ge ekibinin Next4biz BPM için yürüttüğü AnomalyNet projesiyle aynı araştırma konusuna, graf sinir ağlarıyla süreç anomalisi tespitine, odaklanıyor.
