Fugu-MT 論文翻訳(概要): Explainable Predictive Process Monitoring

論文の概要: Explainable Predictive Process Monitoring

arxiv url: http://arxiv.org/abs/2008.01807v2
Date: Wed, 16 Sep 2020 20:03:08 GMT
ステータス: 処理完了
システム内更新日: 2022-11-02 23:39:26.162818
Title: Explainable Predictive Process Monitoring
Title（参考訳）: 説明可能な予測プロセスモニタリング
Authors: Riccardo Galanti, Bernat Coma-Puig, Massimiliano de Leoni, Josep Carmona, Nicol\`o Navarin
Abstract要約: 本稿では,予測的ビジネスプロセス監視と説明能力の両立という課題に対処する。ゲーム理論であるShapley Valuesを用いて、予測の堅牢な説明を得る。このアプローチは実生活のベンチマークで実装され、テストされ、予測ビジネスプロセス監視の分野でどのように説明ができるかを初めて示す。
参考スコア（独自算出の注目度）: 0.5564793925574796
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Predictive Business Process Monitoring is becoming an essential aid for organizations, providing online operational support of their processes. This paper tackles the fundamental problem of equipping predictive business process monitoring with explanation capabilities, so that not only the what but also the why is reported when predicting generic KPIs like remaining time, or activity execution. We use the game theory of Shapley Values to obtain robust explanations of the predictions. The approach has been implemented and tested on real-life benchmarks, showing for the first time how explanations can be given in the field of predictive business process monitoring.
Abstract（参考訳）: 予測的ビジネスプロセスモニタリングは、組織にとって不可欠な支援となり、彼らのプロセスのオンライン運用サポートを提供しています。本稿は、予測的ビジネスプロセス監視に説明機能を持たせることの基本的課題に取り組み、残時間や活動実行などの一般的なKPIを予測する際に、その理由だけでなく理由も報告する。ゲーム理論であるShapley Valuesを用いて、予測の堅牢な説明を得る。このアプローチは実生活のベンチマークで実装され、テストされ、予測ビジネスプロセス監視の分野でどのように説明ができるかを初めて示す。

関連論文リスト

Achieving Fairness in Predictive Process Analytics via Adversarial Learning [50.31323204077591]
本稿では、デバイアスフェーズを予測ビジネスプロセス分析に組み込むことの課題に対処する。本研究の枠組みは, 4つのケーススタディで検証し, 予測値に対する偏り変数の寄与を著しく低減することを示した。
論文参考訳（メタデータ） (2024-10-03T15:56:03Z)
Explanatory Model Monitoring to Understand the Effects of Feature Shifts on Performance [61.06245197347139]
そこで本研究では,機能シフトによるブラックボックスモデルの振る舞いを説明する新しい手法を提案する。本稿では,最適輸送と共有値の概念を組み合わせた提案手法について,説明的性能推定として紹介する。
論文参考訳（メタデータ） (2024-08-24T18:28:19Z)
Generating Feasible and Plausible Counterfactual Explanations for Outcome Prediction of Business Processes [45.502284864662585]
データ駆動型アプローチであるREVISEDplusを導入し、妥当な対実的説明を生成する。まず, プロセスデータの高密度領域内に存在する反ファクトデータを生成するために, 反ファクトアルゴリズムを限定する。また、プロセスケースにおけるアクティビティ間のシーケンシャルなパターンを学習することで、妥当性を保証します。
論文参考訳（メタデータ） (2024-03-14T09:56:35Z)
An Explainable Decision Support System for Predictive Process Analytics [0.41562334038629595]
本稿では,Shapley Valuesのゲーム理論に基づく説明機能を備えた予測分析フレームワークを提案する。このフレームワークはIBM Process Miningスイートで実装され、ビジネスユーザ向けに商用化されている。
論文参考訳（メタデータ） (2022-07-26T09:55:49Z)
What Should I Know? Using Meta-gradient Descent for Predictive Feature Discovery in a Single Stream of Experience [63.75363908696257]
計算強化学習は、未来の感覚の予測を通じて、エージェントの世界の知覚を構築しようとする。この一連の作業において、オープンな課題は、エージェントがどの予測が意思決定を最も支援できるかを、無限に多くの予測から決定することである。本稿では,エージェントが何を予測するかを学習するメタ段階的な降下過程,(2)選択した予測の見積もり,3)将来の報酬を最大化するポリシーを生成する方法を紹介する。
論文参考訳（メタデータ） (2022-06-13T21:31:06Z)
Predictive Compliance Monitoring in Process-Aware Information Systems: State of the Art, Functionalities, Research Directions [0.0]
ビジネスプロセスのコンプライアンスは、ビジネスプロセス管理の重要な領域です。プロセスのコンプライアンスはプロセス設計期間中に、プロセスモデルの検証に基づいてチェックすることができる。既存のコンプライアンス監視アプローチでは、コンプライアンス違反を予測できるかどうか、そしてどのように予測できるかは、まだ不明である。
論文参考訳（メタデータ） (2022-05-10T13:38:56Z)
Event Log Sampling for Predictive Monitoring [0.3425341633647624]
本稿では,予測モデルのためのトレーニングプロセスインスタンスのサンプリングを可能にするインスタンス選択手法を提案する。本手法は,次の活動予測法において,信頼性の高い予測精度を維持しつつ,トレーニング速度を大幅に向上させることができることを示す。
論文参考訳（メタデータ） (2022-04-04T13:36:48Z)
Explainability in Process Outcome Prediction: Guidelines to Obtain Interpretable and Faithful Models [77.34726150561087]
本稿では、プロセス結果予測の分野における説明可能性モデルと説明可能性モデルの忠実性を通して、説明可能性を定義する。本稿では,イベントログの仕様に基づいて適切なモデルを選択することのできる,X-MOPというガイドラインのセットを提案する。
論文参考訳（メタデータ） (2022-03-30T05:59:50Z)
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)
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)

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。