목표 기반 변형 분류

과정 발견은 일반적으로 단일 일관된 과정 구조를 제공하지 않는다. 분석을 위해, 구조적 유사성을 기반으로 과정 변형을 클러스터링하는 일반적인 단계는 결과 그룹에 비즈니스 의미를.assign하는 것이다. 이러한 분할은 조직의 목표에서 파생되지 않기 때문에 분석가는 변형을 비즈니스 의미 있는 카테고리로 해석하고 통합해야 한다. 이러한 판단 집중적인 단계는 변형의 수와 복잡성이 증가할 때 점점 더 어려워진다. 이 논문에서는 변형 분류를 위한 목표 지향적인 접근법을 제안한다. 이 접근법에서는 일반적으로 사용하는 워크플로를 뒤집는다. 조직의 목표 모델을 작성하여 분류 축을 미리 정의하고, 변형을 과정의 행동을 설명하는 텍스트로 변환하고, 목표 모델의 맥락에서 변형을 해석하는 대규모 언어 모델(LLM)에서 변형을 가장 적절한 카테고리에 assign한다. LLM 기반의 의미적 추론은 분석가가 정의한 비즈니스 목표와 관련된 낮은 수준의 과정 행동을 연결한다. 이 접근법을 종단에서 instantiate하고, 크기와 행동 다양성에서 크게 차이가 나는 세 개의 공개 로그에 대해 평가한다. 목표 모델 지침은 비가이드드 인덕션으로 생성된 결과와 달리 제어된 편집에 반응하는 분할을 제공한다. 목표 모델을 작성하는 비용이 있는 한.