論文の概要: A Technique for Determining Relevance Scores of Process Activities using
Graph-based Neural Networks
- arxiv url: http://arxiv.org/abs/2008.03110v2
- Date: Wed, 3 Feb 2021 08:57:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-02 00:27:32.388448
- Title: A Technique for Determining Relevance Scores of Process Activities using
Graph-based Neural Networks
- Title(参考訳): グラフ型ニューラルネットワークを用いたプロセスアクティビティの妥当性スコア決定手法
- Authors: Matthias Stierle, Sven Weinzierl, Maximilian Harl, Martin Matzner
- Abstract要約: 本研究では,プロセス活動の関連点を評価指標として評価する手法を開発した。
このような関連性スコアでプロセスモデルに注釈を付けることは、ビジネスプロセスの問題に焦点を当てた分析を促進する。
異なる領域の4つのデータセットを用いて,本手法の予測品質を定量的に評価し,妥当性スコアの忠実性を示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Process models generated through process mining depict the as-is state of a
process. Through annotations with metrics such as the frequency or duration of
activities, these models provide generic information to the process analyst. To
improve business processes with respect to performance measures, process
analysts require further guidance from the process model. In this study, we
design Graph Relevance Miner (GRM), a technique based on graph neural networks,
to determine the relevance scores for process activities with respect to
performance measures. Annotating process models with such relevance scores
facilitates a problem-focused analysis of the business process, placing these
problems at the centre of the analysis. We quantitatively evaluate the
predictive quality of our technique using four datasets from different domains,
to demonstrate the faithfulness of the relevance scores. Furthermore, we
present the results of a case study, which highlight the utility of the
technique for organisations. Our work has important implications both for
research and business applications, because process model-based analyses
feature shortcomings that need to be urgently addressed to realise successful
process mining at an enterprise level.
- Abstract(参考訳): プロセスマイニングによって生成されたプロセスモデルは、プロセスのas-is状態を表す。
アクティビティの頻度や持続時間といったメトリクスを使ったアノテーションを通じて、これらのモデルはプロセスアナリストに一般的な情報を提供します。
パフォーマンス指標に関してビジネスプロセスを改善するために、プロセスアナリストはプロセスモデルからさらなるガイダンスを必要とします。
本研究では,グラフニューラルネットワークをベースとしたグラフ関連マイナ(GRM)を設計し,プロセスアクティビティの関連点を評価基準として決定する。
このような関連性スコアでプロセスモデルに注釈を付けることで、ビジネスプロセスの問題解決が促進され、これらの問題が分析の中心に置かれる。
異なる領域の4つのデータセットを用いて,提案手法の予測品質を定量的に評価し,妥当性を示す。
さらに,本研究は,この手法が組織に有用であることを示す事例である。
プロセスモデルに基づく分析は、企業レベルで成功したプロセスマイニングを実現するために緊急に対処する必要がある欠点を特徴としているからです。
関連論文リスト
- Mining a Minimal Set of Behavioral Patterns using Incremental Evaluation [3.16536213610547]
行動パターンマイニングへの既存のアプローチには2つの制限がある。
まず、インクリメンタルな計算がパターン候補の生成にのみ組み込まれるため、スケーラビリティが制限される。
第二に、マイニングされたパターンに基づくプロセス分析は、実用的なアプリケーションシナリオで得られるパターンが圧倒的に多いため、限られた効果しか示さない。
論文 参考訳(メタデータ) (2024-02-05T11:41:37Z) - QualEval: Qualitative Evaluation for Model Improvement [86.29905469151566]
モデル改善のための手段として,自動定性評価による定量的スカラー指標を付加するQualEvalを提案する。
QualEvalは強力なLCM推論器と新しいフレキシブルリニアプログラミングソルバを使用して、人間の読みやすい洞察を生成する。
例えば、その洞察を活用することで、Llama 2モデルの絶対性能が最大15%向上することを示す。
論文 参考訳(メタデータ) (2023-11-06T00:21:44Z) - The WHY in Business Processes: Discovery of Causal Execution
Dependencies [2.0811729303868005]
本稿では,既存の因果探索アルゴリズムを活動タイミングよりも活用することで,真の因果ビジネスプロセスを公開するための体系的なアプローチを提案する。
本手法は,3つの因果パターンの文脈における2つのモデル間の相違を探索し,これらの不整合がマイニングプロセスモデル上で注釈付けされるという新たな視点を導出する。
論文 参考訳(メタデータ) (2023-10-23T14:23:15Z) - GLUECons: A Generic Benchmark for Learning Under Constraints [102.78051169725455]
本研究では,自然言語処理とコンピュータビジョンの分野における9つのタスクの集合であるベンチマークを作成する。
外部知識を制約としてモデル化し、各タスクの制約のソースを特定し、これらの制約を使用するさまざまなモデルを実装します。
論文 参考訳(メタデータ) (2023-02-16T16:45:36Z) - Towards Knowledge-Centric Process Mining [5.429166905724047]
ノイズ/不完全なイベントログに直面して,プロセス分析技術による価値提供を可能にするアプローチを提案する。
本手法では,イベントログにおけるノイズの影響を軽減するために知識グラフを活用するとともに,プロセスアナリストによるイベントログの多様性の理解を支援する。
論文 参考訳(メタデータ) (2023-01-26T04:23:04Z) - Extending Process Discovery with Model Complexity Optimization and
Cyclic States Identification: Application to Healthcare Processes [62.997667081978825]
モデル最適化のための半自動支援を実現するプロセスマイニング手法を提案する。
所望の粒度で生モデルを抽象化するモデル単純化手法が提案されている。
医療分野の異なるアプリケーションから得られた3つのデータセットを用いて、技術的ソリューションの能力を実証することを目的としている。
論文 参考訳(メタデータ) (2022-06-10T16:20:59Z) - Process-BERT: A Framework for Representation Learning on Educational
Process Data [68.8204255655161]
本稿では,教育プロセスデータの表現を学習するためのフレームワークを提案する。
我々のフレームワークは、BERT型の目的を用いて、シーケンシャルなプロセスデータから表現を学習する事前学習ステップで構成されています。
当社のフレームワークは,2019年国のレポートカードデータマイニングコンペティションデータセットに適用しています。
論文 参考訳(メタデータ) (2022-04-28T16:07:28Z) - 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) - Feature Recommendation for Structural Equation Model Discovery in
Process Mining [0.0]
本稿では,問題に影響を及ぼす可能性のある(集約された)特徴の集合を見つける方法を提案する。
提案手法をProMのプラグインとして実装し、2つの実・合成イベントログを用いて評価した。
論文 参考訳(メタデータ) (2021-08-13T12:23:01Z) - Explainable Artificial Intelligence for Process Mining: A General
Overview and Application of a Novel Local Explanation Approach for Predictive
Process Monitoring [0.0]
本研究では,意思決定環境の確立と理解促進を目的とした概念的枠組みを提案する。
本研究では、中間潜在空間表現を用いて、検証データセットから局所領域を定義する。
採用したディープラーニング分類器は、ROC曲線0.94のエリアで良好な性能を発揮する。
論文 参考訳(メタデータ) (2020-09-04T10:28:56Z) - 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)
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。