論文の概要: Deep Learning for Predictive Business Process Monitoring: Review and
Benchmark
- arxiv url: http://arxiv.org/abs/2009.13251v4
- Date: Fri, 29 Oct 2021 10:49:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-15 04:03:35.978425
- Title: Deep Learning for Predictive Business Process Monitoring: Review and
Benchmark
- Title（参考訳）: 予測ビジネスプロセスモニタリングのためのディープラーニング:レビューとベンチマーク
- Authors: Efr\'en Rama-Maneiro, Juan C. Vidal, Manuel Lama
- Abstract要約: 本稿では,ディープラーニングを用いて予測モニタリングタスクに対処する手法について,系統的な文献レビューを行う。
また、公開されている12のプロセスログに対して、10の異なるアプローチを徹底的に実験的に評価する。
- 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: Predictive monitoring of business processes is concerned with the prediction
of ongoing cases on a business process. Lately, the popularity of deep learning
techniques has propitiated an ever-growing set of approaches focused on
predictive monitoring based on these techniques. However, the high disparity of
process logs and experimental setups used to evaluate these approaches makes it
especially difficult to make a fair comparison. Furthermore, it also difficults
the selection of the most suitable approach to solve a specific problem. In
this paper, we provide both a systematic literature review of approaches that
use deep learning to tackle the predictive monitoring tasks. In addition, we
performed an exhaustive experimental evaluation of 10 different approaches over
12 publicly available process logs.
- Abstract（参考訳）: ビジネスプロセスの予測監視は、ビジネスプロセスで進行中のケースを予測することに関係しています。
近年、ディープラーニング技術が普及し、これらの技術に基づく予測モニタリングにフォーカスしたアプローチがますます増え続けている。
しかし、これらのアプローチを評価するために使用されるプロセスログと実験的なセットアップの相違は、特に公正な比較を困難にしている。
さらに、特定の問題を解決するのに最も適したアプローチの選択も困難である。
本稿では,ディープラーニングを用いて予測モニタリングタスクに対処する手法について,系統的な文献レビューを行う。
さらに、12のプロセスログに対して10の異なるアプローチを徹底的に実験的に評価した。
関連論文リスト
- Process Variant Analysis Across Continuous Features: A Novel Framework [0.0]
本研究は, 業務プロセスにおけるケースの効果的セグメンテーションの課題に対処する。
本研究では,スライディングウインドウ手法と地球移動器の距離を併用して制御流の挙動変化を検出する手法を提案する。
オランダの保険会社UWVと共同で実生活事例研究を行い,その方法論を検証した。
論文 参考訳（メタデータ） (2024-05-06T16:10:13Z) - SmurfCat at SemEval-2024 Task 6: Leveraging Synthetic Data for Hallucination Detection [51.99159169107426]
本稿では,SemEval-2024幻覚検出タスクのための新しいシステムを提案する。
我々の調査は、モデル予測と基準基準を比較するための様々な戦略にまたがっている。
強力なパフォーマンス指標を示す3つの異なる方法を紹介します。
論文 参考訳（メタデータ） (2024-04-09T09:03:44Z) - Better Understanding Differences in Attribution Methods via Systematic Evaluations [57.35035463793008]
モデル決定に最も影響を及ぼす画像領域を特定するために、ポストホック属性法が提案されている。
本稿では,これらの手法の忠実度をより確実に評価するための3つの新しい評価手法を提案する。
これらの評価手法を用いて、広範囲のモデルにおいて広く用いられている属性手法の長所と短所について検討する。
論文 参考訳（メタデータ） (2023-03-21T14:24:58Z) - Performance-Preserving 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。
インスタンスの選択手順により、次のアクティビティのトレーニング速度が大幅に向上し、残り時間の予測が可能であることを示す。
論文 参考訳（メタデータ） (2023-01-18T16:07:56Z) - Towards Better Understanding Attribution Methods [77.1487219861185]
モデル決定に最も影響を及ぼす画像領域を特定するために、ポストホック属性法が提案されている。
本稿では,これらの手法の忠実度をより確実に評価するための3つの新しい評価手法を提案する。
また,いくつかの属性法の性能を著しく向上する処理後平滑化ステップを提案する。
論文 参考訳（メタデータ） (2022-05-20T20:50:17Z) - 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) - An Investigation of Replay-based Approaches for Continual Learning [79.0660895390689]
連続学習(CL)は機械学習(ML)の大きな課題であり、破滅的忘れ(CF)を伴わずに連続的に複数のタスクを学習する能力を記述する。
いくつかの解クラスが提案されており、その単純さと堅牢性から、いわゆるリプレイベースのアプローチは非常に有望であるように思われる。
連続学習におけるリプレイに基づくアプローチを実証的に検討し,応用の可能性を評価する。
論文 参考訳（メタデータ） (2021-08-15T15:05:02Z) - Evaluating Predictive Business Process Monitoring Approaches on Small
Event Logs [0.0]
予測的ビジネスプロセス監視は、実行中のプロセスインスタンスが実行時の完了までどのように展開されるかの予測に関係している。
提案されたアプローチのほとんどは、さまざまな機械学習(ML)技術に依存している。
本論文では,既存手法と小データセットの適合性を比較するための評価フレームワークを提案する。
論文 参考訳（メタデータ） (2021-04-01T09:36:04Z) - 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) - Adaptive Estimator Selection for Off-Policy Evaluation [48.66170976187225]
オフポリシー評価設定における推定器選択のための汎用的データ駆動手法を開発した。
また,本手法の性能保証を確立し,オラクル推定器と競合することを示す。
論文 参考訳（メタデータ） (2020-02-18T16:57:42Z)
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。