論文の概要: Automatic Business Process Structure Discovery using Ordered Neurons
LSTM: A Preliminary Study
- arxiv url: http://arxiv.org/abs/2001.01243v1
- Date: Sun, 5 Jan 2020 14:19:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-14 07:34:11.403450
- Title: Automatic Business Process Structure Discovery using Ordered Neurons
LSTM: A Preliminary Study
- Title（参考訳）: 順序づけられたニューロンLSTMによるビジネスプロセス構造の自動発見 : 予備的検討
- Authors: Xue Han, Lianxue Hu, Yabin Dang, Shivali Agarwal, Lijun Mei, Shaochun
Li, Xin Zhou
- Abstract要約: 本稿では,ニューラルネットワークの構築により,ビジネスプロセス文書に存在する潜在意味階層構造を検索する。
我々は,実践的なロボットプロセス自動化(RPA)プロジェクトから提案したプロセス記述文書(PDD)のデータセットに対するアプローチを検証した。
- 参考スコア（独自算出の注目度）: 6.6599132213053185
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automatic process discovery from textual process documentations is highly
desirable to reduce time and cost of Business Process Management (BPM)
implementation in organizations. However, existing automatic process discovery
approaches mainly focus on identifying activities out of the documentations.
Deriving the structural relationships between activities, which is important in
the whole process discovery scope, is still a challenge. In fact, a business
process has latent semantic hierarchical structure which defines different
levels of detail to reflect the complex business logic. Recent findings in
neural machine learning area show that the meaningful linguistic structure can
be induced by joint language modeling and structure learning. Inspired by these
findings, we propose to retrieve the latent hierarchical structure present in
the textual business process documents by building a neural network that
leverages a novel recurrent architecture, Ordered Neurons LSTM (ON-LSTM), with
process-level language model objective. We tested the proposed approach on data
set of Process Description Documents (PDD) from our practical Robotic Process
Automation (RPA) projects. Preliminary experiments showed promising results.
- Abstract（参考訳）: 組織におけるビジネスプロセス管理(BPM)実装の時間とコストを削減するために、テキストプロセスドキュメンテーションから自動的にプロセスを見つけることが非常に望ましい。
しかし、既存の自動プロセス発見アプローチは主にドキュメントからアクティビティを識別することに焦点を当てている。
プロセス発見のスコープ全体において重要なアクティビティ間の構造的関係を導出することは依然として課題です。
実際、ビジネスプロセスは、複雑なビジネスロジックを反映して異なる詳細レベルを定義する潜在意味的階層構造を持っています。
ニューラル機械学習領域における最近の知見は、意味のある言語構造は、関節言語モデリングと構造学習によって引き起こされることを示している。
これらの知見に触発されて,新しい再帰的アーキテクチャである順序付きニューロンlstm(on-lstm)をプロセスレベルの言語モデル目的に活用したニューラルネットワークを構築することにより,テキスト的ビジネスプロセス文書に存在する潜在階層構造を検索する。
提案手法は,実用的なロボットプロセス自動化(rpa)プロジェクトから,プロセス記述文書(pdd)のデータセット上でテストを行った。
予備実験は有望な結果を示した。
関連論文リスト
- From Dialogue to Diagram: Task and Relationship Extraction from Natural
Language for Accelerated Business Process Prototyping [0.0]
本稿では、依存性解析と名前付きエンティティ認識(NER)の利用を、我々のアプローチの中心とする現代的ソリューションを紹介します。
我々は,行動関係の同定にSVO(Subject-Verb-Object)構造を用い,コンテキスト理解のためのWordNetなどの意味分析ツールを統合する。
このシステムはデータ変換と視覚化を十分に処理し、冗長に抽出された情報をBPMN(Business Process Model and Notation)ダイアグラムに変換する。
論文 参考訳（メタデータ） (2023-12-16T12:35:28Z) - Discovering Hierarchical Process Models: an Approach Based on Events
Clustering [0.0]
本稿では,2段階のワークフローネットとして表現される階層的プロセスモデルを発見するアルゴリズムを提案する。
既存のソリューションとは異なり、我々のアルゴリズムはプロセス制御フローに制限を課さず、反復を可能にする。
論文 参考訳（メタデータ） (2023-03-12T11:05:40Z) - Autoregressive Structured Prediction with Language Models [73.11519625765301]
本稿では, PLM を用いた自己回帰的手法を用いて, モデル構造を行動列として記述する。
我々のアプローチは、私たちが見てきた全ての構造化予測タスクにおいて、新しい最先端を実現する。
論文 参考訳（メタデータ） (2022-10-26T13:27:26Z) - Clustering Object-Centric Event Logs [0.36748639131154304]
本稿では,OCEL に類似したオブジェクトをクラスタリングするクラスタリング手法を提案する。
我々のアプローチは、プロセスモデルの複雑さを減らし、エンドユーザーがプロセスに対する洞察を得るのに役立つオブジェクトの一貫性のあるサブセットを生成する。
論文 参考訳（メタデータ） (2022-07-26T09:16:39Z) - PET: A new Dataset for Process Extraction from Natural Language Text [15.16406344719132]
我々は、アクティビティ、ゲートウェイ、アクター、フロー情報に注釈を付けた、ビジネスプロセス記述の最初のコーパスを開発する。
我々は、アノテーションスキーマとガイドラインの詳細な概要や、テキストからビジネスプロセスを抽出することの難しさと難しさをベンチマークするための様々なベースラインを含む、新しいリソースを提示する。
論文 参考訳（メタデータ） (2022-03-09T16:33:59Z) - Human Activity Recognition using Attribute-Based Neural Networks and
Context Information [61.67246055629366]
手作業におけるウェアラブルセンサデータから人間の活動認識(HAR)を考察する。
我々は、コンテキスト情報をディープニューラルネットワークベースのHARシステムに体系的に組み込む方法を示す。
提案したアーキテクチャは,最先端手法と比較してHAR性能が向上することを示す。
論文 参考訳（メタデータ） (2021-10-28T06:08:25Z) - Procedures as Programs: Hierarchical Control of Situated Agents through
Natural Language [81.73820295186727]
エージェント命令と制御のための階層的な手続き的知識を表現する強力な手法である,プログラムとしての手続きの形式化を提案する。
NL命令に対するIQAおよびALFREDデータセット上で、このフレームワークをインスタンス化する。
論文 参考訳（メタデータ） (2021-09-16T20:36:21Z) - On the Exploitation of Neuroevolutionary Information: Analyzing the Past
for a More Efficient Future [60.99717891994599]
本稿では,神経進化過程から情報を抽出し,メタモデルを構築するアプローチを提案する。
本稿では, 異なる特徴を有する生成的対向ネットワークの神経進化的探索における最良の構造について検討する。
論文 参考訳（メタデータ） (2021-05-26T20:55:29Z) - Discovering Hierarchical Processes Using Flexible Activity Trees for
Event Abstraction [7.754062965937491]
我々はFlexHMinerを提案する。FlexHMinerは、マルチレベルのインターリーブサブプロセスを持つプロセスを見つけるための3段階のアプローチである。
ドメイン知識,ランダムクラスタリング,フラットアプローチを用いて,階層モデルの品質を比較した。
以上の結果から,FlexHMinerが生成する階層型プロセスモデルは,階層性を利用していないアプローチと良好に比較できることが示唆された。
論文 参考訳（メタデータ） (2020-10-16T10:50:41Z) - Process Discovery for Structured Program Synthesis [70.29027202357385]
プロセスマイニングにおける中核的なタスクは、イベントログデータから正確なプロセスモデルを学ぶことを目的としたプロセス発見である。
本稿では,ターゲットプロセスモデルとして(ブロック-)構造化プログラムを直接使用することを提案する。
我々は,このような構造化プログラムプロセスモデルの発見に対して,新たなボトムアップ・アグリメティブ・アプローチを開発する。
論文 参考訳（メタデータ） (2020-08-13T10:33:10Z) - A Dependency Syntactic Knowledge Augmented Interactive Architecture for
End-to-End Aspect-based Sentiment Analysis [73.74885246830611]
エンドツーエンドABSAのためのマルチタスク学習を用いた対話型アーキテクチャを新たに提案する。
このモデルは、よく設計された依存性関係埋め込みグラフ畳み込みネットワーク(DreGcn)を活用することで、構文知識(依存性関係と型)を完全に活用することができる。
3つのベンチマークデータセットの大規模な実験結果から,本手法の有効性が示された。
論文 参考訳（メタデータ） (2020-04-04T14:59:32Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。