論文の概要: Recognizing and Splitting Conditional Sentences for Automation of
Business Processes Management
- arxiv url: http://arxiv.org/abs/2104.00660v1
- Date: Thu, 1 Apr 2021 17:53:16 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-02 17:34:01.230704
- Title: Recognizing and Splitting Conditional Sentences for Automation of
Business Processes Management
- Title（参考訳）: ビジネスプロセス管理自動化のための条件文認識と分割
- Authors: Ngoc Phuoc An Vo, Irene Manotas, Octavian Popescu, Algimantas
Cerniauskas, Vadim Sheinin
- Abstract要約: 1)技術文書から条件文を認識すること、2)条件文と結果文を抽出するための境界を見つけること、3)結果節をアクションまたはシーケンスとして分類することからなる、エンドツーエンドの問題を解決するシステムを提案する。
最適モデルでは条件,行動,結果の抽出に83.82,87.84,85.75の有望な結果を得た。
- 参考スコア（独自算出の注目度）: 2.289790204910258
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Business Process Management (BPM) is the discipline which is responsible for
management of discovering, analyzing, redesigning, monitoring, and controlling
business processes. One of the most crucial tasks of BPM is discovering and
modelling business processes from text documents. In this paper, we present our
system that resolves an end-to-end problem consisting of 1) recognizing
conditional sentences from technical documents, 2) finding boundaries to
extract conditional and resultant clauses from each conditional sentence, and
3) categorizing resultant clause as Action or Consequence which later helps to
generate new steps in our business process model automatically. We created a
new dataset and three models solve this problem. Our best model achieved very
promising results of 83.82, 87.84, and 85.75 for Precision, Recall, and F1,
respectively, for extracting Condition, Action, and Consequence clauses using
Exact Match metric.
- Abstract（参考訳）: ビジネスプロセス管理(Business Process Management、BPM)は、ビジネスプロセスを発見し、分析し、再設計し、監視し、管理する分野である。
BPMの最も重要なタスクの1つは、文書からビジネスプロセスを発見し、モデル化することである。
本稿では,1) 専門文書から条件文を認識すること,2) 条件文から条件文と結果節を抽出する境界を見つけること,3) 結果節をアクションやコンシークエンスとして分類すること,そして,後にビジネスプロセスモデルにおける新たなステップを自動生成するのに役立つこと,からなるエンドツーエンドの問題を解決するシステムを提案する。
新しいデータセットを作成し、3つのモデルがこの問題を解決する。
最適モデルでは, 条件, 行動, 結果の抽出を行うために, 精度, リコール, F1に対して, 83.82, 87.84, 85.75の有望な結果を得た。
関連論文リスト
- Discovery and Simulation of Data-Aware Business Processes [0.28675177318965045]
本稿では,データ認識型BPSモデリング手法と,イベントログからデータ認識型BPSモデルを検出する手法を提案する。
結果のBPSモデルは、データ非認識のBPSモデルと比較して、プロセス実行制御フローをより密に再現する。
論文 参考訳（メタデータ） (2024-08-24T20:13:00Z) - The Foundations of Computational Management: A Systematic Approach to
Task Automation for the Integration of Artificial Intelligence into Existing
Workflows [55.2480439325792]
本稿では,タスク自動化の体系的アプローチである計算管理を紹介する。
この記事では、ワークフロー内でAIを実装するプロセスを開始するための、ステップバイステップの手順を3つ紹介する。
論文 参考訳（メタデータ） (2024-02-07T01:45:14Z) - 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) - Large Language Models can accomplish Business Process Management Tasks [0.0]
大規模言語モデル(LLM)がテキスト関連ビジネスプロセス管理タスクをどのように達成できるかを示す。
LLMは、テキスト記述からプロセスモデルを達成し、テキスト記述から宣言的プロセスモデルをマイニングし、ロボットプロセス自動化のためのテキスト記述からプロセスタスクの適合性を評価する。
論文 参考訳（メタデータ） (2023-07-19T11:54:46Z) - Relational Action Bases: Formalization, Effective Safety Verification,
and Invariants (Extended Version) [67.99023219822564]
我々はリレーショナルアクションベース(RAB)の一般的な枠組みを紹介する。
RABは両方の制限を解除することで既存のモデルを一般化する。
データ対応ビジネスプロセスのベンチマークにおいて、このアプローチの有効性を実証する。
論文 参考訳（メタデータ） (2022-08-12T17:03:50Z) - ASP-Based Declarative Process Mining [4.060731229044571]
私たちは、宣言的プロセスマイニングにおける3つの古典的な問題の解決策として、Answer Set Programming(ASP)を提案しました。
私たちは、ペイロード(属性と値のペアのセット)を運ぶイベントを考えることで、データ認識の亜種、すなわち、それらに取り組む。
この作業のコントリビューションには、3つの問題に対するASPエンコーディングスキーマ、そのソリューション、アプローチの実現可能性を示す実験が含まれている。
論文 参考訳（メタデータ） (2022-05-04T10:11:54Z) - CINS: Comprehensive Instruction for Few-shot Learning in Task-oriented
Dialog Systems [56.302581679816775]
本稿では,タスク固有の命令でPLMを利用する包括的インストラクション(CINS)を提案する。
命令のスキーマ(定義、制約、プロンプト)と、ToDの3つの重要な下流タスクに対するカスタマイズされた実現を設計する。
これらのToDタスクに対して,小さな検証データを用いた現実的な数ショット学習シナリオで実験を行った。
論文 参考訳（メタデータ） (2021-09-10T03:23:06Z) - Efficient Retrieval Augmented Generation from Unstructured Knowledge for
Task-Oriented Dialog [46.93744191416991]
本稿では,第9回ダイアログ・システム・テクノロジー・チャレンジ(DSTC 9)の第1トラックについて概説する。
タスクの目標は、構造化されていないドキュメントからの知識を必要とするタスク指向のダイアログにおいて、ユーザのターンに対する応答を生成することである。
論文 参考訳（メタデータ） (2021-02-09T04:50:35Z) - When Can Models Learn From Explanations? A Formal Framework for
Understanding the Roles of Explanation Data [84.87772675171412]
個々のデータポイントの説明がモデリング性能を向上させる状況について検討する。
e-SNLI、TACRED、SemEvalの3つの既存のデータセットを使って説明します。
論文 参考訳（メタデータ） (2021-02-03T18:57:08Z) - Partial Order Resolution of Event Logs for Process Conformance Checking [10.58705988536919]
既存の適合性チェック技術の重要な前提は、すべてのイベントがプロセスインスタンス毎のイベントの順序を推測できるタイムスタンプに関連付けられているということです。
本稿では,動作抽象化の異なる概念を取り入れた,この課題に対するいくつかの推定手法を提案する。
実世界のデータと合成データの実験により、我々の手法は最先端の精度を大幅に向上させることが明らかとなった。
論文 参考訳（メタデータ） (2020-07-05T18:43:57Z) - A Simple Language Model for Task-Oriented Dialogue [61.84084939472287]
SimpleTODはタスク指向対話に対する単純なアプローチであり、すべてのサブタスクのリキャストで訓練された単一因果言語モデルを単一シーケンス予測問題として利用する。
これによりSimpleTODは、事前訓練されたオープンドメイン、GPT-2のような因果言語モデルからのトランスファー学習を完全に活用できる。
論文 参考訳（メタデータ） (2020-05-02T11:09:27Z)
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。