論文の概要: Augmenting Modelers with Semantic Autocompletion of Processes
- arxiv url: http://arxiv.org/abs/2105.11385v1
- Date: Mon, 24 May 2021 16:23:07 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-25 15:03:08.865822
- Title: Augmenting Modelers with Semantic Autocompletion of Processes
- Title(参考訳): プロセスのセマンティックオートコンプリートによるモデリングの強化
- Authors: Maayan Goldstein and Cecilia Gonzalez-Alvarez
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 5.279475826661643
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Business process modelers need to have expertise and knowledge of the domain
that may not always be available to them. Therefore, they may benefit from
tools that mine collections of existing processes and recommend element(s) to
be added to a new process that they are constructing. In this paper, we present
a method for process autocompletion at design time, that is based on the
semantic similarity of sub-processes. By converting sub-processes to textual
paragraphs and encoding them as numerical vectors, we can find semantically
similar ones, and thereafter recommend the next element. To achieve this, we
leverage a state-of-the-art technique for embedding natural language as
vectors. We evaluate our approach on open source and proprietary datasets and
show that our technique is accurate for processes in various domains.
- Abstract(参考訳): ビジネスプロセスモデラーは、常に利用可能ではないかもしれないドメインに関する専門知識と知識を持つ必要があります。
したがって、既存のプロセスのコレクションをマイニングし、彼らが構築している新しいプロセスに追加する要素を推奨するツールの恩恵を受けることができる。
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プロセス自動補完手法を提案する。
サブプロセスをテキストの段落に変換して数値ベクトルとしてエンコードすることで、意味的に類似した要素を見つけ出し、次に次の要素を推奨する。
これを実現するために、自然言語をベクトルとして埋め込む最先端技術を利用する。
当社のアプローチをオープンソースおよびプロプライエタリなデータセット上で評価し,さまざまなドメインのプロセスに対して正確性を示す。
関連論文リスト
- Bridging Domain Knowledge and Process Discovery Using Large Language Models [0.0]
本稿では,Large Language Models(LLM)を利用して,ドメイン知識を直接プロセス発見に統合する。
LLMから派生したルールを使用して、モデル構築をガイドし、ドメイン知識と実際のプロセス実行の整合性を確保します。
論文 参考訳(メタデータ) (2024-08-30T14:23:40Z) - GUIDO: A Hybrid Approach to Guideline Discovery & Ordering from Natural
Language Texts [0.0]
GUIDOはプロセスモデル抽出タスクに対するハイブリッドアプローチである。
提案したアプローチは、純粋なルールベースのアプローチよりもはるかに優れた結果が得られる。
それでも、純粋に機械学習ベースのアプローチと比較して、アノテーションのコストは低いままだ。
論文 参考訳(メタデータ) (2023-07-19T13:01:03Z) - What and How of Machine Learning Transparency: Building Bespoke
Explainability Tools with Interoperable Algorithmic Components [77.87794937143511]
本稿では,データ駆動予測モデルを説明するためのハンズオントレーニング教材について紹介する。
これらのリソースは、解釈可能な表現合成、データサンプリング、説明生成の3つのコアビルディングブロックをカバーする。
論文 参考訳(メタデータ) (2022-09-08T13:33:25Z) - A Monitoring and Discovery Approach for Declarative Processes Based on
Streams [0.0]
本稿では,イベントストリームから宣言的過程を動的条件応答(DCR)グラフとして抽出する発見アルゴリズムを提案する。
ストリームはプロセスの時間的表現を生成するために監視され、後に宣言的モデルを生成するために処理される。
論文 参考訳(メタデータ) (2022-08-10T14:25:35Z) - 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) - Using Document Similarity Methods to create Parallel Datasets for Code
Translation [60.36392618065203]
あるプログラミング言語から別のプログラミング言語へのソースコードの翻訳は、重要で時間を要する作業です。
本稿では、文書類似性手法を用いて、ノイズの多い並列データセットを作成することを提案する。
これらのモデルは、妥当なレベルのノイズに対して、地上の真実に基づいて訓練されたモデルと相容れない性能を示す。
論文 参考訳(メタデータ) (2021-10-11T17:07:58Z) - 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) - 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) - Procedural Reading Comprehension with Attribute-Aware Context Flow [85.34405161075276]
手続き的なテキストは、しばしばエンティティの上で起こるプロセスを記述する。
本稿では,テキストを一般的な形式に翻訳することで,手続き的読解のためのアルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-03-31T00:06:29Z) - Distributional semantic modeling: a revised technique to train term/word
vector space models applying the ontology-related approach [36.248702416150124]
ニューラルネットワークを用いた分散項表現(あるいは項埋め込み)学習による分布意味モデリングのための新しい手法を設計する。
Vec2graphは、動的かつインタラクティブなグラフとして単語埋め込み(私たちの場合の長期埋め込み)を視覚化するためのPythonライブラリである。
論文 参考訳(メタデータ) (2020-03-06T18:27:39Z)
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。