論文の概要: An empirical comparison of deep-neural-network architectures for next activity prediction using context-enriched process event logs

• arxiv url: http://arxiv.org/abs/2005.01194v1
• Date: Sun, 3 May 2020 21:33:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-07 06:51:18.757796
• Title: An empirical comparison of deep-neural-network architectures for next activity prediction using context-enriched process event logs
• Title（参考訳）: コンテキストエンリッチなプロセスイベントログを用いた次のアクティビティ予測のためのディープニューラルネットワークアーキテクチャの実証的比較
• Authors: S. Weinzierl, S. Zilker, J. Brunk, K. Revoredo, A. Nguyen, M. Matzner, J. Becker, B. Eskofier
• Abstract要約: 研究者は様々な予測ビジネスプロセス監視(PBPM)技術を提案している。 これらのテクニックはディープニューラルネットワーク(DNN)に依存し、プロセスが実行されているコンテキストに関する情報を検討する。 我々は,提案する3つのDNNアーキテクチャの予測品質と,実証された5つの符号化手法と,コンテキストに富んだ5つの実生活イベントログに基づいて評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Researchers have proposed a variety of predictive business process monitoring (PBPM) techniques aiming to predict future process behaviour during the process execution. Especially, techniques for the next activity prediction anticipate great potential in improving operational business processes. To gain more accurate predictions, a plethora of these techniques rely on deep neural networks (DNNs) and consider information about the context, in which the process is running. However, an in-depth comparison of such techniques is missing in the PBPM literature, which prevents researchers and practitioners from selecting the best solution for a given event log. To remedy this problem, we empirically evaluate the predictive quality of three promising DNN architectures, combined with five proven encoding techniques and based on five context-enriched real-life event logs. We provide four findings that can support researchers and practitioners in designing novel PBPM techniques for predicting the next activities.
• Abstract（参考訳）: 研究者は、プロセス実行中の将来のプロセス動作を予測することを目的とした、さまざまな予測ビジネスプロセス監視(PBPM)技術を提案している。 特に,次の活動予測手法は,事業プロセスの改善に大きな可能性を期待している。 より正確な予測を得るために、これらの技術はディープニューラルネットワーク(DNN)に依存し、プロセスが実行されているコンテキストに関する情報を検討する。 しかし、このようなテクニックの詳細な比較はpbpm文献に欠けているため、研究者や実践者が所定のイベントログに対して最適なソリューションを選択することを妨げる。 この問題を解決するために,提案する3つのDNNアーキテクチャの予測品質を実証的に評価した。 我々は,次の活動を予測する新しいPBPM技術の設計において,研究者や実践者が支援できる4つの知見を提供する。

関連論文リスト

• PELP: Pioneer Event Log Prediction Using Sequence-to-Sequence Neural Networks [13.221876371019718]
  本稿では,シークエンス・ツー・シークエンス・ディープ・ラーニング・アプローチを用いたイベントログ予測問題の解法を提案する。 種々の合成ログと7つの実生活ログの予測結果の評価と解析を行った。
  論文  参考訳（メタデータ） (2023-12-15T12:30:30Z)
• Knowledge-Driven Modulation of Neural Networks with Attention Mechanism for Next Activity Prediction [8.552757384215813]
  本稿では、手続き的プロセスモデルを用いて表現された背景知識を利用して、トレーニングデータのアンダーサンプリングをオフセットするシンボリック[Neuro]システムを提案する。 具体的には,NN分野における新たな技術であるアテンション機構を備えたNNを用いた予測を行う。 このシステムは、予測タスクの性能改善を示す複数の実生活ログでテストされている。
  論文  参考訳（メタデータ） (2023-12-14T12:02:35Z)
• Towards a General Framework for Continual Learning with Pre-training [55.88910947643436]
  本稿では,事前学習を用いた逐次到着タスクの連続学習のための一般的な枠組みを提案する。 我々はその目的を,タスク内予測,タスク同一性推論,タスク適応予測という3つの階層的構成要素に分解する。 本稿では,パラメータ効率細調整(PEFT)技術と表現統計量を用いて,これらのコンポーネントを明示的に最適化する革新的な手法を提案する。
  論文  参考訳（メタデータ） (2023-10-21T02:03:38Z)
• Prescriptive Process Monitoring: Quo Vadis? [64.39761523935613]
  本論文はシステム文献レビュー(SLR)を通して,本分野における既存手法について考察する。 SLRは今後の研究の課題や分野に関する洞察を提供し、規範的なプロセス監視手法の有用性と適用性を高めることができる。
  論文  参考訳（メタデータ） (2021-12-03T08:06:24Z)
• Deep Learning Schema-based Event Extraction: Literature Review and Current Trends [60.29289298349322]
  ディープラーニングに基づくイベント抽出技術が研究ホットスポットとなっている。 本稿では,ディープラーニングモデルに焦点をあて,最先端のアプローチを見直し,そのギャップを埋める。
  論文  参考訳（メタデータ） (2021-07-05T16:32:45Z)
• CoCoMoT: Conformance Checking of Multi-Perspective Processes via SMT (Extended Version) [62.96267257163426]
  我々はCoCoMoT(Computing Conformance Modulo Theories)フレームワークを紹介する。 まず、純粋な制御フロー設定で研究したSATベースのエンコーディングを、データ認識ケースに持ち上げる方法を示す。 次に,プロパティ保存型クラスタリングの概念に基づく新しい前処理手法を提案する。
  論文  参考訳（メタデータ） (2021-03-18T20:22:50Z)
• A systematic literature review on state-of-the-art deep learning methods for process prediction [0.0]
  近年,様々なデータ処理手法と予測アルゴリズムを適用し,複数のプロセス予測手法が提案されている。 この研究は、機械学習の代替手段を一貫して上回っているように見えるため、ディープラーニングアルゴリズムに焦点を当てている。 ログデータ、評価メトリクス、著者が使用するベースラインのセットが多様化し、結果の比較が困難になる。
  論文  参考訳（メタデータ） (2021-01-22T20:26:40Z)
• Prescriptive Business Process Monitoring for Recommending Next Best Actions [0.0]
  予測ビジネスプロセス監視(PBPM)技術は、過去のイベントログデータに基づいて、将来のプロセスの振る舞いを予測する。 最近のPBPM技術では、最先端のディープニューラルネットワーク(DNN)を使用して予測モデルを学習し、より正確な予測を生成する。 我々は、次に最も可能性が高いアクティビティを、与えられたアクションに関する次のベストアクションに変換するPrBPMテクニックを提案する。
  論文  参考訳（メタデータ） (2020-08-19T22:33:54Z)
• XNAP: Making LSTM-based Next Activity Predictions Explainable by Using LRP [0.415623340386296]
  予測ビジネスプロセス監視(Predictive Business Process Monitoring、PBPM)は、トレース実行時の次のアクティビティなどの振る舞いを予測するために設計されたテクニックのクラスである。 ディープニューラルネットワーク(DNN)を使用することで、次のアクティビティ予測のようなタスクにおいて、予測品質が向上する可能性がある。 本稿では,次の活動予測のための最初の説明可能なDNNベースのPBPM技術であるXNAPを提案する。
  論文  参考訳（メタデータ） (2020-08-18T15:40:07Z)
• 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)
• Multi-Task Learning for Dense Prediction Tasks: A Survey [87.66280582034838]
  マルチタスク学習(MTL)技術は、性能、計算、メモリフットプリントに関する有望な結果を示している。 我々は、コンピュータビジョンにおけるMLLのための最先端のディープラーニングアプローチについて、よく理解された視点を提供する。
  論文  参考訳（メタデータ） (2020-04-28T09:15:50Z)

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。