論文の概要: PROVED: A Tool for Graph Representation and Analysis of Uncertain Event Data

• arxiv url: http://arxiv.org/abs/2103.05564v1
• Date: Tue, 9 Mar 2021 17:11:54 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-10 15:00:59.310988
• Title: PROVED: A Tool for Graph Representation and Analysis of Uncertain Event Data
• Title（参考訳）: PROVED:不確実なイベントデータのグラフ表現と解析のためのツール
• Authors: Marco Pegoraro, Merih Seran Uysal, Wil M.P. van der Aalst
• Abstract要約: プロセスマイニングの分野は、歴史的なプロセス実行を分析して、データ駆動方式でプロセスを研究することを目的としている。 近年のイベントデータは,不確実なイベントデータを含むプロセスマイニングコミュニティの関心を集めている。 PROVEDツールは、このような不確実なイベントデータを探索、ナビゲート、分析するのに役立ちます。
• 参考スコア（独自算出の注目度）: 0.966840768820136
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The discipline of process mining aims to study processes in a data-driven manner by analyzing historical process executions, often employing Petri nets. Event data, extracted from information systems (e.g. SAP), serve as the starting point for process mining. Recently, novel types of event data have gathered interest among the process mining community, including uncertain event data. Uncertain events, process traces and logs contain attributes that are characterized by quantified imprecisions, e.g., a set of possible attribute values. The PROVED tool helps to explore, navigate and analyze such uncertain event data by abstracting the uncertain information using behavior graphs and nets, which have Petri nets semantics. Based on these constructs, the tool enables discovery and conformance checking.
• Abstract（参考訳）: プロセスマイニングの分野は、ペトリネットを用いた歴史的なプロセス実行を分析し、データ駆動方式でプロセスを研究することを目的としている。 情報システムから抽出されたイベントデータ(例) SAP)は、プロセスマイニングの出発点として機能します。 近年,不確実なイベントデータを含む新たな種類のイベントデータがプロセスマイニングコミュニティの関心を集めている。 不確定なイベント、プロセストレース、およびログには、可能な属性値のセットなど、定量化された不正確な特性が特徴の属性が含まれています。 PROVEDツールは、ペトリネットのセマンティクスを持つ行動グラフとネットを使用して不確実な情報を抽象化することにより、そのような不確実なイベントデータを探索、ナビゲート、分析するのに役立ちます。 これらの構成に基づいて、ツールは発見と適合のチェックを可能にします。

関連論文リスト

• Detecting Anomalous Events in Object-centric Business Processes via Graph Neural Networks [55.583478485027]
  本研究では,ビジネスプロセスにおける異常検出のための新しいフレームワークを提案する。 まず、属性グラフとしてオブジェクト中心のイベントログのプロセス依存性を再構築する。 次に、異常事象を検出するために、グラフ畳み込みオートエンコーダアーキテクチャを用いる。
  論文  参考訳（メタデータ） (2024-02-14T14:17:56Z)
• Demonstration of InsightPilot: An LLM-Empowered Automated Data Exploration System [48.62158108517576]
  本稿では,データ探索プロセスの簡略化を目的とした自動データ探索システムであるInsightPilotを紹介する。 InsightPilotは、理解、要約、説明などの適切な分析意図を自動的に選択する。 簡単に言うと、IQueryはデータ分析操作の抽象化と自動化であり、データアナリストのアプローチを模倣しています。
  論文  参考訳（メタデータ） (2023-04-02T07:27:49Z)
• Accessing and Interpreting OPC UA Event Traces based on Semantic Process Descriptions [69.9674326582747]
  本稿では、イベントデータのコンテキストに基づいて、プロダクションシステムのイベントデータにアクセスするアプローチを提案する。 本手法は,1)生産システムの階層構造の意味モデル,2)形式化されたプロセス記述,3)OPC UA情報モデルを組み合わせることによって,データベースシステムからフィルタリングイベントログを抽出する。
  論文  参考訳（メタデータ） (2022-07-25T15:13:44Z)
• Probabilistic and Non-Deterministic Event Data in Process Mining: Embedding Uncertainty in Process Analysis Techniques [0.0]
  プロセスマイニング分析の幅広い産業応用により,新しいタイプのイベントデータが注目されている。 本稿では,不確実な事象データの例として,プロセスマイニングにおける不確実性に関する技術の現状を示すとともに,この研究の方向性に関するオープンな課題を示す。
  論文  参考訳（メタデータ） (2022-05-10T12:00:02Z)
• Process-BERT: A Framework for Representation Learning on Educational Process Data [68.8204255655161]
  本稿では,教育プロセスデータの表現を学習するためのフレームワークを提案する。 我々のフレームワークは、BERT型の目的を用いて、シーケンシャルなプロセスデータから表現を学習する事前学習ステップで構成されています。 当社のフレームワークは,2019年国のレポートカードデータマイニングコンペティションデータセットに適用しています。
  論文  参考訳（メタデータ） (2022-04-28T16:07:28Z)
• 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)
• ProcK: Machine Learning for Knowledge-Intensive Processes [30.371382331613532]
  ProcK(Process & Knowledge)はビジネスプロセス予測モデルを構築するための新しいパイプラインである。 リレーショナルデータベースからリンクされたイベントログとナレッジベースを抽出するコンポーネントは、パイプラインの一部である。 我々は、OULADのeラーニングデータセット上で予測タスクをトレーニングすることで、ProcKのパワーを実証する。
  論文  参考訳（メタデータ） (2021-09-10T13:51:59Z)
• 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)
• Conformance Checking over Uncertain Event Data [0.45119235878273]
  未解明のイベントログの設定を解析する。 このようなイベントログでは、不確実性は明示的に記録され、すなわち、イベントの時間、活動、ケースは不明確または不正確である。 正規プロセスモデルに不確実なトレースをアライメントすることで、適合性のための上と下の境界がどうやって得られるかを示す。
  論文  参考訳（メタデータ） (2020-09-29T14:27:30Z)
• 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)

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。