論文の概要: Process Discovery for Structured Program Synthesis

• arxiv url: http://arxiv.org/abs/2008.05804v1
• Date: Thu, 13 Aug 2020 10:33:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-30 22:46:48.483090
• Title: Process Discovery for Structured Program Synthesis
• Title（参考訳）: 構造化プログラム合成のためのプロセス探索
• Authors: Dell Zhang, Alexander Kuhnle, Julian Richardson, Murat Sensoy
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 70.29027202357385
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A core task in process mining is process discovery which aims to learn an accurate process model from event log data. In this paper, we propose to use (block-) structured programs directly as target process models so as to establish connections to the field of program synthesis and facilitate the translation from abstract process models to executable processes, e.g., for robotic process automation. Furthermore, we develop a novel bottom-up agglomerative approach to the discovery of such structured program process models. In comparison with the popular top-down recursive inductive miner, our proposed agglomerative miner enjoys the similar theoretical guarantee to produce sound process models (without deadlocks and other anomalies) while exhibiting some advantages like avoiding silent activities and accommodating duplicate activities. The proposed algorithm works by iteratively applying a few graph rewriting rules to the directly-follows-graph of activities. For real-world (sparse) directly-follows-graphs, the algorithm has quadratic computational complexity with respect to the number of distinct activities. To our knowledge, this is the first process discovery algorithm that is made for the purpose of program synthesis. Experiments on the BPI-Challenge 2020 dataset and the Karel programming dataset have demonstrated that our proposed algorithm can outperform the inductive miner not only according to the traditional process discovery metrics but also in terms of the effectiveness in finding out the true underlying structured program from a small number of its execution traces.
• Abstract（参考訳）: プロセスマイニングのコアタスクは、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,プログラム合成分野への接続を確立するために,対象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し,抽象プロセスモデルから実行可能なプロセス,例えばロボットプロセス自動化への変換を容易にすることを提案する。 さらに,このような構造化プログラムプロセスモデルの発見に向けて,新しいボトムアップ凝集手法を開発した。 一般的なトップダウン型再帰的インダクティブ・マイナと比較して,提案する凝集型マイナは,サイレントアクティビティの回避や重複アクティビティの緩和といったメリットを提示しながら,(デッドロックや他の異常を伴わずに)サウンドプロセスモデルを作成するための同様の理論的保証を享受している。 提案アルゴリズムは、いくつかのグラフ書き換え規則を直接フォローするアクティビティグラフに反復的に適用することで機能する。 実世界の直接追従グラフでは、アルゴリズムは異なるアクティビティの数に関して二次計算複雑性を持つ。 我々の知る限りでは、これはプログラム合成のために作られた最初のプロセス発見アルゴリズムである。 BPI-Challenge 2020データセットとKarelプログラミングデータセットの実験により、提案アルゴリズムは、従来のプロセス発見指標だけでなく、少数の実行トレースから真の基盤となる構造化プログラムを見つけるための有効性の観点からも、インダクティブマイナよりも優れていることを示した。

関連論文リスト

• Reverse That Number! Decoding Order Matters in Arithmetic Learning [49.5504492920404]
  本研究は,最少の桁から出力を優先順位付けすることで,桁順を再評価する新たな戦略を導入する。 従来のSOTA法と比較すると,通常のトレーニングで使用するトークンの3分の1しか必要とせず,精度の全体的な改善が見られた。
  論文  参考訳（メタデータ） (2024-03-09T09:04:53Z)
• Stochastic Directly-Follows Process Discovery Using Grammatical Inference [8.196011179587304]
  本稿では,入力トレースに対する文法的推論を基礎とした直接追従グラフの探索手法を提案する。 実世界のデータセットに対する実験により、我々の新しいアプローチは入力トレースとその周波数を最先端技術よりも正確に表現できる小さなモデルを構築することができることを確認した。
  論文  参考訳（メタデータ） (2023-12-09T01:56:25Z)
• The WHY in Business Processes: Discovery of Causal Execution Dependencies [2.0811729303868005]
  プロセスアクティビティの実行間の因果関係を明らかにすることは、プロセス介入の結果を予測する重要な要素である。 この研究は、既存の因果発見アルゴリズムを活動タイミングよりも活用することにより、因果ビジネスプロセスの公開に対する体系的なアプローチを提供する。 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)
• Provably Efficient Representation Learning with Tractable Planning in Low-Rank POMDP [81.00800920928621]
  部分的に観測可能なマルコフ決定過程(POMDP)における表現学習の研究 まず,不確実性(OFU)に直面した最大推定(MLE)と楽観性を組み合わせた復調性POMDPのアルゴリズムを提案する。 次に、このアルゴリズムをより広範な$gamma$-observable POMDPのクラスで機能させる方法を示す。
  論文  参考訳（メタデータ） (2023-06-21T16:04:03Z)
• 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)
• Comparing Ordering Strategies For Process Discovery Using Synthesis Rules [0.5330240017302619]
  プロセス発見は、観察された振る舞いからプロセスモデルを学ぶことを目的としている。 本稿では,異なる順序付け戦略が発見モデルに与える影響について検討する。
  論文  参考訳（メタデータ） (2023-01-04T16:17:52Z)
• A modular software framework for the design and implementation of ptychography algorithms [55.41644538483948]
  我々は,Pychographyデータセットをシミュレートし,最先端の再構築アルゴリズムをテストすることを目的とした,新しいptychographyソフトウェアフレームワークであるSciComを紹介する。 その単純さにもかかわらず、ソフトウェアはPyTorchインターフェースによる高速化処理を利用する。 結果は合成データと実データの両方で示される。
  論文  参考訳（メタデータ） (2022-05-06T16:32:37Z)
• 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)
• All That Glitters Is Not Gold: Towards Process Discovery Techniques with Guarantees [1.3299507495084417]
  イベントデータの品質が向上すればするほど、発見されたモデルの品質も向上します。 イベントデータと発見したプロセスモデルの両方に、さまざまな品質対策を使用してこれを実証します。 本論文は、ISエンジニアのコミュニティに対して、プロセスディスカバリアルゴリズムを、入力の性質と出力の性質を関連付けたプロパティで補完するよう呼びかけている。
  論文  参考訳（メタデータ） (2020-12-23T16:08:47Z)
• BUSTLE: Bottom-Up Program Synthesis Through Learning-Guided Exploration [72.88493072196094]
  プログラムのボトムアップ検索に学習を活用する新しい合成手法を提案する。 特に、入力出力例のセットに基づいて、探索条件中の中間値の合成を優先順位付けするようにモデルを訓練する。 単純な教師付き学習アプローチであっても,学習とボトムアップ検索の組み合わせは極めて効果的であることを示す。
  論文  参考訳（メタデータ） (2020-07-28T17:46:18Z)

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。