論文の概要: All That Glitters Is Not Gold: Towards Process Discovery Techniques with Guarantees

• arxiv url: http://arxiv.org/abs/2012.12764v1
• Date: Wed, 23 Dec 2020 16:08:47 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-25 18:03:36.214175
• Title: All That Glitters Is Not Gold: Towards Process Discovery Techniques with Guarantees
• Title（参考訳）: 輝きは金ではない - 保証付きプロセス発見技術に向けて
• Authors: Jan Martijn E. M. van der Werf, Artem Polyvyanyy, Bart R. van Wensveen, Matthieu Brinkhuis and Hajo A. Reijers
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 1.3299507495084417
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The aim of a process discovery algorithm is to construct from event data a process model that describes the underlying, real-world process well. Intuitively, the better the quality of the event data, the better the quality of the model that is discovered. However, existing process discovery algorithms do not guarantee this relationship. We demonstrate this by using a range of quality measures for both event data and discovered process models. This paper is a call to the community of IS engineers to complement their process discovery algorithms with properties that relate qualities of their inputs to those of their outputs. To this end, we distinguish four incremental stages for the development of such algorithms, along with concrete guidelines for the formulation of relevant properties and experimental validation. We will also use these stages to reflect on the state of the art, which shows the need to move forward in our thinking about algorithmic process discovery.
• Abstract（参考訳）: プロセス発見アルゴリズムの目的は、イベントデータから、基盤となる現実世界のプロセスを記述するプロセスモデルを構築することである。 直感的には、イベントデータの品質が向上すればするほど、発見されるモデルの品質も向上します。 しかし、既存のプロセス発見アルゴリズムはこの関係を保証していない。 我々は、イベントデータと発見プロセスモデルの両方に対して、様々な品質指標を用いてこれを実証する。 本稿では,IS技術者のコミュニティに対して,プロセス発見アルゴリズムを,入力の質と出力の質を関連付ける特性で補完するように呼びかける。 そこで,本研究では,関連する特性の定式化と実験的検証のための具体的なガイドラインとともに,これらのアルゴリズム開発のための4段階の段階を区別する。 また、これらのステージを使用して、アルゴリズムによるプロセス発見に関する考え方を前進させる必要性を示す技術の現状を反映します。

関連論文リスト

• Process-aware Human Activity Recognition [1.912429179274357]
  本稿では,HARの性能向上のために,コンテキストからのプロセス情報を組み込んだ新しい手法を提案する。 具体的には、機械学習モデルによって生成された確率的事象と、文脈情報から導出されるプロセスモデルとを一致させる。 このアライメントは、これらの2つの情報源を適応的に重み付けし、HARの精度を最適化する。
  論文  参考訳（メタデータ） (2024-11-13T17:53:23Z)
• 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)
• 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)
• Human Activity Recognition using Attribute-Based Neural Networks and Context Information [61.67246055629366]
  手作業におけるウェアラブルセンサデータから人間の活動認識(HAR)を考察する。 我々は、コンテキスト情報をディープニューラルネットワークベースのHARシステムに体系的に組み込む方法を示す。 提案したアーキテクチャは,最先端手法と比較してHAR性能が向上することを示す。
  論文  参考訳（メタデータ） (2021-10-28T06:08:25Z)
• Process discovery on deviant traces and other stranger things [6.974048370610024]
  我々は、宣言的プロセスに焦点をあて、プロセス発見のあまり人気のない視点をバイナリ教師付き学習タスクとして受け入れる。 これら2つのセットから得られる価値情報を抽出し,ユーザ定義の目標に従って最適なモデルにフォーマル化する方法について,より深く検討する。
  論文  参考訳（メタデータ） (2021-09-30T06:58:34Z)
• Knowledge-Aware Procedural Text Understanding with Multi-Stage Training [110.93934567725826]
  本稿では,このような文書の理解とプロセス中のエンティティの状態や場所の追跡を目的とした手続き的テキスト理解の課題に焦点をあてる。 常識的推論の難しさとデータ不足という2つの課題はまだ未解決のままである。 我々は、複数の外部知識を効果的に活用する、KnOwledge-Aware ProceduraL text understAnding (KOALA)モデルを提案する。
  論文  参考訳（メタデータ） (2020-09-28T10:28:40Z)
• Information Theoretic Meta Learning with Gaussian Processes [74.54485310507336]
  情報理論の概念,すなわち相互情報と情報のボトルネックを用いてメタ学習を定式化する。 相互情報に対する変分近似を用いることで、メタ学習のための汎用的かつトラクタブルな枠組みを導出する。
  論文  参考訳（メタデータ） (2020-09-07T16:47:30Z)
• 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)
• Causal Feature Selection for Algorithmic Fairness [61.767399505764736]
  データ管理の統合コンポーネントにおける公平性について検討する。 本稿では,データセットの公平性を保証する特徴のサブコレクションを同定する手法を提案する。
  論文  参考訳（メタデータ） (2020-06-10T20:20:10Z)
• Active Model Estimation in Markov Decision Processes [108.46146218973189]
  マルコフ決定過程(MDP)をモデル化した環境の正確なモデル学習のための効率的な探索の課題について検討する。 マルコフに基づくアルゴリズムは,本アルゴリズムと極大エントロピーアルゴリズムの両方を小サンプル方式で上回っていることを示す。
  論文  参考訳（メタデータ） (2020-03-06T16:17:24Z)

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。