基于注意力的日志属性特征权重分配模型研究.pdfVIP

第42卷第2期计算机仿真2025年2月

文章编号：1006-9348(2025)02-0389-06

基于注意力的日志属性特征权重分配模型研究

步卓伦，巢翌，李晓龙

（北京控制与电子技术研究所，北京100038）

摘要：为了解决大型业务系统中用户操作产生的事件日志间聚合度低与相关性弱的问题，针对聚类使用的数据集属性特征

进行优化，提出了一种基于注意力机制的事件日志属性特征权重分配模型（AttributeFeatureWeightingModel,AFWM），通过

分析不同事件日志中属性特征的重要程度来提高事件日志分类后数据集的聚合度与关联度，为后续流程挖掘的轨迹聚类提

供基础。设计了一种新颖的特征权重分配方法，方法采用Transformer架构来获取事件日志属性特征间的相互依赖关系，根

据上下文关系为属性特征分配权重值，以此区分不同特征间的重要程度，提高事件日志聚类准确度。通过大量公开现实事

件日志集对上述方法进行评估，最终证明所提的方法可以对复杂业务系统产生的事件日志集进行正确的聚类。

关键词：流程挖掘；注意力机制；日志聚类；特征挖掘

中图分类号：TP391.9文献标识码：B

ResearchonAttentionMechanism-basedEventLog

AttributeFeatureWeightingModel

BUZhuo-lun,CHAOYi,LIXiao-long

(BeijingInstituteofControlandElectronicTechnology,Beijing100038,China)

ABSTRACT:Toaddresstheissueoflowaggregationandweakcorrelationamongeventlogsgeneratedbyuseropera-

tionsinlargebusinesssystems,thispaperoptimizesthedatasetattributesusedinclustering.WeproposeanAttribute

FeatureWeightingModel(AFWM)basedontheattentionmechanism,whichenhancestheaggregationandassocia-

tionofthedatasetaftereventlogclassificationbyanalyzingtheimportanceofattributefeaturesindifferenteventlogs,

providingafoundationforsubsequentprocessminingtrajectoryclustering.Anovelfeatureweightallocationmethodis

designedinthisstudy,utilizingtheTransformerarchitecturetocapturetheinterdependenciesamongeventlogattrib-

utes.Weightsareassignedtoattributefeaturesbasedoncontextualrelationships,distinguishingtheimportanceofdif-

ferentfeaturesandimprovingtheaccuracyofeventlogclustering.Weevaluatedourmethodusingalarg