論文の概要: Extracting Semantic Process Information from the Natural Language in
Event Logs
- arxiv url: http://arxiv.org/abs/2103.11761v1
- Date: Sat, 6 Mar 2021 08:39:04 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-05 06:13:12.186116
- Title: Extracting Semantic Process Information from the Natural Language in
Event Logs
- Title（参考訳）: イベントログにおける自然言語からの意味過程情報抽出
- Authors: Adrian Rebmann and Han van der Aa
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.1827510863075184
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Process mining focuses on the analysis of recorded event data in order to
gain insights about the true execution of business processes. While
foundational process mining techniques treat such data as sequences of abstract
events, more advanced techniques depend on the availability of specific kinds
of information, such as resources in organizational mining and business objects
in artifact-centric analysis. However, this information is generally not
readily available, but rather associated with events in an ad hoc manner, often
even as part of unstructured textual attributes. Given the size and complexity
of event logs, this calls for automated support to extract such process
information and, thereby, enable advanced process mining techniques. In this
paper, we present an approach that achieves this through so-called semantic
role labeling of event data. We combine the analysis of textual attribute
values, based on a state-of-the-art language model, with a novel attribute
classification technique. In this manner, our approach extracts information
about up to eight semantic roles per event. We demonstrate the approach's
efficacy through a quantitative evaluation using a broad range of event logs
and demonstrate the usefulness of the extracted information in a case study.
- Abstract（参考訳）: プロセスマイニングは、ビジネスプロセスの真の実行に関する洞察を得るために、記録されたイベントデータの分析に焦点を当てます。
基本的なプロセスマイニング技術は、そのようなデータを抽象イベントのシーケンスとして扱うが、より高度な技術は、組織マイニングのリソースやアーティファクト中心の分析におけるビジネスオブジェクトといった、特定の種類の情報を利用できることに依存する。
しかし、この情報は一般には入手できないが、むしろアドホックな方法での出来事と関連付けられており、しばしば非構造化のテキスト属性の一部としてさえある。
イベントログのサイズと複雑さを考えると、このようなプロセス情報を抽出する自動サポートが求められ、それによって高度なプロセスマイニング技術が実現される。
本稿では,イベントデータのセマンティックロールラベリングによってこれを実現する手法を提案する。
本研究では,最先端言語モデルに基づくテキスト属性値の解析と,新しい属性分類手法を組み合わせる。
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。
幅広いイベントログを用いて定量的評価を行い,提案手法の有効性を示すとともに,抽出した情報の有効性を示す。
関連論文リスト
- A Universal Prompting Strategy for Extracting Process Model Information from Natural Language Text using Large Language Models [0.8899670429041453]
生成型大規模言語モデル(LLM)は,広範囲なデータを必要とすることなく,非常に高品質なNLPタスクを解くことができることを示す。
新たなプロンプト戦略に基づいて,LLMが最先端の機械学習手法より優れていることを示す。
論文 参考訳（メタデータ） (2024-07-26T06:39:35Z) - 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) - Analyzing An After-Sales Service Process Using Object-Centric Process
Mining: A Case Study [0.1433758865948252]
本稿では,オブジェクト中心プロセスマイニングの新たな領域について論じる。
ボルサン・キャットのアフター・セール・サービス・プロセスの詳細なケーススタディを通じて、本研究では、オブジェクト中心のプロセスマイニングの能力を強調した。
論文 参考訳（メタデータ） (2023-10-16T08:34:41Z) - A Topical Approach to Capturing Customer Insight In Social Media [0.0]
この研究は、ノイズの多いビッグデータコンテキストにおいて、完全に教師なしのトピック抽出の課題に対処する。
本稿では,変分オートエンコーダフレームワーク上に構築した3つのアプローチを提案する。
我々のモデルは最先端の手法よりも優れた性能が得られることを示す。
論文 参考訳（メタデータ） (2023-07-14T11:15:28Z) - 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) - Avoiding Post-Processing with Event-Based Detection in Biomedical
Signals [69.34035527763916]
学習対象としてイベントを直接扱うイベントベースのモデリングフレームワークを提案する。
イベントベースのモデリング(後処理なし)は、広範囲な後処理を伴うエポックベースのモデリングと同等以上のパフォーマンスを示す。
論文 参考訳（メタデータ） (2022-09-22T13:44:13Z) - 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) - 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) - Combining Feature and Instance Attribution to Detect Artifacts [62.63504976810927]
トレーニングデータアーティファクトの識別を容易にする手法を提案する。
提案手法は,トレーニングデータのアーティファクトの発見に有効であることを示す。
我々は,これらの手法が実際にNLP研究者にとって有用かどうかを評価するために,小規模なユーザスタディを実施している。
論文 参考訳（メタデータ） (2021-07-01T09:26:13Z) - PROVED: A Tool for Graph Representation and Analysis of Uncertain Event
Data [0.966840768820136]
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。
論文 参考訳（メタデータ） (2021-03-09T17:11:54Z) - 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)
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。