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

• Invariant Causal Mechanisms through Distribution Matching [86.07327840293894]
  本研究では、因果的視点と不変表現を学習するための新しいアルゴリズムを提供する。 実験により,このアルゴリズムは様々なタスク群でうまく動作し,特にドメインの一般化における最先端のパフォーマンスを観察する。
  論文  参考訳（メタデータ） (2022-06-23T12:06:54Z)
• Nemo: Guiding and Contextualizing Weak Supervision for Interactive Data Programming [77.38174112525168]
  私たちは、WS 学習パイプラインの全体的な生産性を、一般的な WS 監督アプローチと比較して平均20%(最大 47% のタスク)改善する、エンドツーエンドのインタラクティブなスーパービジョンシステムである Nemo を紹介します。
  論文  参考訳（メタデータ） (2022-03-02T19:57:32Z)
• Evidentiality-guided Generation for Knowledge-Intensive NLP Tasks [59.761411682238645]
  Retrieval-augmented Generation Modelは、多くの知識集約型NLPタスクにまたがって最先端のパフォーマンスを示している。 生成器の訓練に、パスが出力をサポートするための正しい証拠を含むか否かに関わらず、パスの明快さを組み込む方法を導入する。
  論文  参考訳（メタデータ） (2021-12-16T08:18:47Z)
• Scalable and Decentralized Algorithms for Anomaly Detection via Learning-Based Controlled Sensing [40.14838268469627]
  本研究では,ある時刻に観測対象のプロセスを選択する異常検出アルゴリズムを開発した。 検出アルゴリズムの目的は、所望値を超える精度で異常を識別することである。
  論文  参考訳（メタデータ） (2021-12-08T11:20:36Z)
• 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)
• 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)
• MURAL: Meta-Learning Uncertainty-Aware Rewards for Outcome-Driven Reinforcement Learning [65.52675802289775]
  本研究では,不確かさを意識した分類器が,強化学習の難しさを解消できることを示す。 正規化最大度(NML)分布の計算法を提案する。 得られたアルゴリズムは、カウントベースの探索法と、報酬関数を学習するための先行アルゴリズムの両方に多くの興味深い関係を持つことを示す。
  論文  参考訳（メタデータ） (2021-07-15T08:19:57Z)
• Augmenting Modelers with Semantic Autocompletion of Processes [5.279475826661643]
  ビジネスプロセスモデラーはドメインに関する専門知識を必要とします。 本稿では,サブプロセスの意味的類似性に基づく設計時の自動補完手法を提案する。
  論文  参考訳（メタデータ） (2021-05-24T16:23:07Z)
• DEALIO: Data-Efficient Adversarial Learning for Imitation from Observation [57.358212277226315]
  観察ifoからの模倣学習において、学習エージェントは、実演者の生成した制御信号にアクセスせずに、実演行動の観察のみを用いて実演エージェントを模倣しようとする。 近年、逆模倣学習に基づく手法は、ifO問題に対する最先端のパフォーマンスをもたらすが、データ非効率でモデルなしの強化学習アルゴリズムに依存するため、サンプルの複雑さに悩まされることが多い。 この問題は、サンプルの収集が時間、エネルギー、およびリスクの面で高いコストを被る可能性がある現実世界の設定に展開することは非現実的です。 よりデータ効率の高いifOアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-03-31T23:46:32Z)
• Extracting Semantic Process Information from the Natural Language in Event Logs [0.1827510863075184]
  本稿では、イベントデータの意味的役割ラベリングという手法を提案する。 この方法では,イベント毎に最大8つの意味的役割に関する情報を抽出する。
  論文  参考訳（メタデータ） (2021-03-06T08:39:04Z)

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。