論文の概要: Explainable Artificial Intelligence for Process Mining: A General Overview and Application of a Novel Local Explanation Approach for Predictive Process Monitoring

• arxiv url: http://arxiv.org/abs/2009.02098v2
• Date: Sat, 12 Sep 2020 07:24:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-22 01:33:59.884564
• Title: Explainable Artificial Intelligence for Process Mining: A General Overview and Application of a Novel Local Explanation Approach for Predictive Process Monitoring
• Title（参考訳）: プロセスマイニングのための説明可能な人工知能:予測プロセスモニタリングのための新しい局所的説明手法の概観と応用
• Authors: Nijat Mehdiyev and Peter Fettke
• Abstract要約: 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。
• 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: The contemporary process-aware information systems possess the capabilities to record the activities generated during the process execution. To leverage these process specific fine-granular data, process mining has recently emerged as a promising research discipline. As an important branch of process mining, predictive business process management, pursues the objective to generate forward-looking, predictive insights to shape business processes. In this study, we propose a conceptual framework sought to establish and promote understanding of decision-making environment, underlying business processes and nature of the user characteristics for developing explainable business process prediction solutions. Consequently, with regard to the theoretical and practical implications of the framework, this study proposes a novel local post-hoc explanation approach for a deep learning classifier that is expected to facilitate the domain experts in justifying the model decisions. In contrary to alternative popular perturbation-based local explanation approaches, this study defines the local regions from the validation dataset by using the intermediate latent space representations learned by the deep neural networks. To validate the applicability of the proposed explanation method, the real-life process log data delivered by the Volvo IT Belgium's incident management system are used.The adopted deep learning classifier achieves a good performance with the Area Under the ROC Curve of 0.94. The generated local explanations are also visualized and presented with relevant evaluation measures that are expected to increase the users' trust in the black-box-model.
• Abstract（参考訳）: 現代のプロセス認識情報システムは、プロセス実行中に生成されたアクティビティを記録する能力を持っている。 これらのプロセス固有の粒度データを活用するため、プロセスマイニングは有望な研究分野として最近登場した。 プロセスマイニングの重要な分野として、予測的ビジネスプロセス管理は、ビジネスプロセスを形成するための前向きで予測的な洞察を生み出す目的を追求します。 本研究では,意思決定環境,基盤となるビジネスプロセス,ユーザ特性の理解を確立・促進し,説明可能なビジネスプロセス予測ソリューションを開発するための概念的枠組みを提案する。 そこで本研究では,この枠組みの理論的,実際的意義について,モデル決定の正当化を促進することを目的とした,深層学習分類器に対する新しい局所的ポストホック説明手法を提案する。 本研究は、従来の摂動に基づく局所的説明手法とは対照的に、深層ニューラルネットワークで学習した中間潜時空間表現を用いて、検証データセットから局所領域を定義する。 提案手法の適用性を検証するため,Volvo IT Belgiumのインシデント管理システムが提供した実時間プロセスログデータを用いて,RCC曲線0.94の領域で優れた性能を実現する。 生成したローカル説明も可視化され,ブラックボックスモデルに対するユーザの信頼感を高めることが期待できる評価尺度が提示される。

関連論文リスト

• WISE: Unraveling Business Process Metrics with Domain Knowledge [0.0]
  複雑な産業プロセスの異常は、しばしばイベントデータの高変動性と複雑さによって隠蔽される。 本稿では、ドメイン知識、プロセスマイニング、機械学習の統合により、ビジネスプロセスメトリクスを分析する新しい手法WISEを紹介する。 WISEはビジネスプロセス分析における自動化を強化し、望ましいプロセスフローからの逸脱を効果的に検出する。
  論文  参考訳（メタデータ） (2024-10-06T07:57:08Z)
• 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)
• Learning Transferable Conceptual Prototypes for Interpretable Unsupervised Domain Adaptation [79.22678026708134]
  本稿では,Transferable Prototype Learning (TCPL) という,本質的に解釈可能な手法を提案する。 この目的を達成するために、ソースドメインからターゲットドメインにカテゴリの基本概念を転送する階層的なプロトタイプモジュールを設計し、基礎となる推論プロセスを説明するためにドメイン共有プロトタイプを学習する。 総合的な実験により,提案手法は有効かつ直感的な説明を提供するだけでなく,従来の最先端技術よりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-10-12T06:36:41Z)
• Quantifying and Explaining Machine Learning Uncertainty in Predictive Process Monitoring: An Operations Research Perspective [0.0]
  本稿では,情報システムと人工知能を統合した総合的多段階機械学習手法を提案する。 提案したフレームワークは、データ駆動推定の無視など、既存のソリューションの共通的な制限を十分に解決する。 本手法では,Shapley Additive Explanationsの局所的およびグローバル的変異とともに,時間間隔予測を生成するために,Quantile Regression Forestsを用いている。
  論文  参考訳（メタデータ） (2023-04-13T11:18:22Z)
• Explainable Data-Driven Optimization: From Context to Decision and Back Again [76.84947521482631]
  データ駆動最適化では、コンテキスト情報と機械学習アルゴリズムを使用して、不確実なパラメータによる決定問題の解決策を見つける。 本稿では,データ駆動型問題に対する解法を説明するために,対実的説明手法を提案する。 在庫管理やルーティングといった運用管理における重要な問題を説明することで,我々のアプローチを実証する。
  論文  参考訳（メタデータ） (2023-01-24T15:25:16Z)
• 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)
• Inverse Online Learning: Understanding Non-Stationary and Reactionary Policies [79.60322329952453]
  エージェントが意思決定を行う方法の解釈可能な表現を開発する方法を示す。 一連の軌跡に基づく意思決定プロセスを理解することにより,このオンライン学習問題に対して,政策推論問題を逆問題とみなした。 本稿では、エージェントがそれらを更新するプロセスと並行して、その影響を遡及的に推定する実用的なアルゴリズムを提案する。 UNOSの臓器提供受諾決定の分析に応用することで、我々のアプローチは意思決定プロセスを管理する要因や時間とともにどのように変化するかに、貴重な洞察をもたらすことができることを実証する。
  論文  参考訳（メタデータ） (2022-03-14T17:40:42Z)
• 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)
• Explainable AI Enabled Inspection of Business Process Prediction Models [2.5229940062544496]
  本稿では,モデル説明を用いて,機械学習の予測によって適用された推論を解析する手法を提案する。 本手法の新たな貢献は,解釈可能な機械学習機構によって生成された説明と,過去のプロセス実行を記録するイベントログから抽出された文脈的,あるいはドメイン的知識の両方を活用するモデル検査の提案である。
  論文  参考訳（メタデータ） (2021-07-16T06:51:18Z)
• Local Post-Hoc Explanations for Predictive Process Monitoring in Manufacturing [0.0]
  本研究では,製造におけるデータ駆動型意思決定を容易にするための,革新的な予測品質分析ソリューションを提案する。 プロセスマイニング、機械学習、説明可能な人工知能(XAI)メソッドを組み合わせる。
  論文  参考訳（メタデータ） (2020-09-22T13:07:17Z)

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。