본 논문은 센서 및 예측 모델에서 생성되는 길고 복잡한 이벤트 시퀀스(트레이스)에 대한 적합성 검사의 확장성 문제를 해결하기 위해 ConLES라는 새로운 접근 방식을 제안합니다. ConLES는 슬라이딩 윈도우 기법을 사용하여 트레이스를 작은 서브트레이스로 나누고 각 서브트레이스를 예상되는 시스템 동작(프로세스 모델)과 반복적으로 정렬합니다. 이를 통해 검색 공간을 크게 줄이면서 전체 정확도를 유지합니다. 트레이스와 프로세스 모델의 구조적 특성을 포착하는 전역 정보를 활용하여 정보에 입각한 정렬 결정을 내리고, 국소적으로 최적인 것처럼 보이더라도 유망하지 않은 정렬을 버립니다. 다양한 데이터 세트에 대한 성능 평가 결과, ConLES는 긴 트레이스에 대한 최적 및 휴리스틱 알고리즘보다 우수한 성능을 보이며, 일관되게 최적 또는 최적에 가까운 솔루션을 달성합니다. ConLES는 미리 정의된 프로세스 모델과 발견된 프로세스 모델 모두를 지원하며, 긴 이벤트 시퀀스의 적합성 검사에 적합한 솔루션입니다.
