論文の概要: A Query Language for Summarizing and Analyzing Business Process Data
- arxiv url: http://arxiv.org/abs/2105.10911v1
- Date: Sun, 23 May 2021 11:07:53 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-25 14:54:47.073845
- Title: A Query Language for Summarizing and Analyzing Business Process Data
- Title（参考訳）: ビジネスプロセスデータの要約と分析のためのクエリ言語
- Authors: Amin Beheshti, Boualem Benatallah, Hamid Reza Motahari-Nezhad, Samira
Ghodratnama, Farhad Amouzgar
- Abstract要約: プロセスグラフ(Process Graph)やプロセスグラフ(Process Graph)といった,プロセスデータをグラフとしてモデル化するフレームワークを提案する。
プロセスグラフのクエリ、探索、分析のためのスケーラブルなアーキテクチャを実装しました。
- 参考スコア（独自算出の注目度）: 6.952242545832663
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In modern enterprises, Business Processes (BPs) are realized over a mix of
workflows, IT systems, Web services and direct collaborations of people.
Accordingly, process data (i.e., BP execution data such as logs containing
events, interaction messages and other process artifacts) is scattered across
several systems and data sources, and increasingly show all typical properties
of the Big Data. Understanding the execution of process data is challenging as
key business insights remain hidden in the interactions among process entities:
most objects are interconnected, forming complex, heterogeneous but often
semi-structured networks. In the context of business processes, we consider the
Big Data problem as a massive number of interconnected data islands from
personal, shared and business data. We present a framework to model process
data as graphs, i.e., Process Graph, and present abstractions to summarize the
process graph and to discover concept hierarchies for entities based on both
data objects and their interactions in process graphs. We present a language,
namely BP-SPARQL, for the explorative querying and understanding of process
graphs from various user perspectives. We have implemented a scalable
architecture for querying, exploration and analysis of process graphs. We
report on experiments performed on both synthetic and real-world datasets that
show the viability and efficiency of the approach.
- Abstract（参考訳）: 現代の企業では、ビジネスプロセス(BP)はワークフロー、ITシステム、Webサービス、人々の直接的なコラボレーションによって実現されます。
したがって、プロセスデータ(例えば、イベント、対話メッセージ、その他のプロセスアーティファクトを含むログなどのBP実行データ)は、複数のシステムやデータソースに分散し、ビッグデータの典型的な特性をすべて示すようになっている。
ほとんどのオブジェクトは相互接続され、複雑で不均一だが、しばしば半構造化されたネットワークを形成します。
ビジネスプロセスの文脈では、ビッグデータ問題は個人データ、共有データ、ビジネスデータから大量の相互接続されたデータ島であると考えている。
本稿では,プロセスをグラフ,すなわちプロセスグラフとしてモデル化し,プロセスグラフを要約し,データオブジェクトとそのプロセスグラフにおける相互作用に基づくエンティティの概念階層を探索するフレームワークを提案する。
本稿では,プロセスグラフの爆発的クエリと理解のために,BP-SPARQLという言語を提案する。
プロセスグラフのクエリ、探索、分析のためのスケーラブルなアーキテクチャを実装しました。
提案手法の有効性と有効性を示す合成および実世界のデータセットを用いて実験を行った。
関連論文リスト
- Web-Scale Visual Entity Recognition: An LLM-Driven Data Approach [56.55633052479446]
Webスケールのビジュアルエンティティ認識は、クリーンで大規模なトレーニングデータがないため、重大な課題を呈している。
本稿では,ラベル検証,メタデータ生成,合理性説明に多モーダル大言語モデル(LLM)を活用することによって,そのようなデータセットをキュレートする新しい手法を提案する。
実験により、この自動キュレートされたデータに基づいてトレーニングされたモデルは、Webスケールの視覚的エンティティ認識タスクで最先端のパフォーマンスを達成することが示された。
論文 参考訳（メタデータ） (2024-10-31T06:55:24Z) - CMDBench: A Benchmark for Coarse-to-fine Multimodal Data Discovery in Compound AI Systems [10.71630696651595]
知識集約的なタスクを達成するエージェントとしてLLMを使用する複合AIシステム(CAS)は、データベースやAIコミュニティにおいて大きな関心を集めている。
マルチモーダルデータソースのサイロは、そのタスクを達成するための適切なデータソースを特定するのを困難にしている。
我々はエンタープライズデータプラットフォームの複雑さをモデル化したベンチマークであるCMDBenchを提案する。
論文 参考訳（メタデータ） (2024-06-02T01:10:41Z) - Federated Neural Graph Databases [53.03085605769093]
プライバシを保ちながらマルチソースグラフベースのデータの推論を可能にする新しいフレームワークであるFederated Neural Graph Database (FedNGDB)を提案する。
既存の方法とは異なり、FedNGDBは複雑なグラフ構造と関係を扱うことができ、様々な下流タスクに適合する。
論文 参考訳（メタデータ） (2024-02-22T14:57:44Z) - Pathway: a fast and flexible unified stream data processing framework
for analytical and Machine Learning applications [7.850979932441607]
Pathwayは新しい統一データ処理フレームワークで、バウンドとアンバウンドのデータストリームの両方でワークロードを実行できる。
本稿では,本システムについて述べるとともに,バッチとストリーミングの両コンテキストにおいて,その性能を示すベンチマーク結果を示す。
論文 参考訳（メタデータ） (2023-07-12T08:27:37Z) - 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) - Modeling Entities as Semantic Points for Visual Information Extraction
in the Wild [55.91783742370978]
文書画像から鍵情報を正確かつ堅牢に抽出する手法を提案する。
我々は、エンティティを意味的ポイントとして明示的にモデル化する。つまり、エンティティの中心点は、異なるエンティティの属性と関係を記述する意味情報によって豊かになる。
提案手法は,従来の最先端モデルと比較して,エンティティラベルとリンクの性能を著しく向上させることができる。
論文 参考訳（メタデータ） (2023-03-23T08:21:16Z) - Analytical Engines With Context-Rich Processing: Towards Efficient
Next-Generation Analytics [12.317930859033149]
我々は、文脈に富む分析を可能にするコンポーネントと協調して最適化された分析エンジンを構想する。
我々は、リレーショナルおよびモデルベース演算子間の総括的なパイプラインコストとルールベースの最適化を目指している。
論文 参考訳（メタデータ） (2022-12-14T21:46:33Z) - 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) - 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) - Towards an Integrated Platform for Big Data Analysis [4.5257812998381315]
本稿では,これらすべての側面を統合した,ビッグデータ解析のための統合型プレート形式のビジョンについて述べる。
このアプローチの主な利点は、プラットフォーム全体の拡張スケーラビリティ、アルゴリズムのパラメータ化の改善、エンドツーエンドのデータ分析プロセスにおけるユーザビリティの改善である。
論文 参考訳（メタデータ） (2020-04-27T03:15:23Z) - A Common Operating Picture Framework Leveraging Data Fusion and Deep
Learning [0.7348448478819135]
本稿では,処理,爆発,拡散のソリューションを高速化するためのデータ融合フレームワークを提案する。
私たちのプラットフォームは、ディープラーニングやその他の処理手段を活用することで、複数のデータソースから情報を抽出するサービスの集合体です。
最初のイテレーションでは、ビジュアルデータ(FMV, WAMI, CCTV/PTZ-Cameras, オープンソースビデオなど)とAISデータストリーム(衛星と地上ソース)に焦点を当てました。
論文 参考訳（メタデータ） (2020-01-16T18:32:19Z)
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。