論文の概要: Ontology-Based Process Modelling -- Will we live to see it?

• arxiv url: http://arxiv.org/abs/2107.06146v1
• Date: Mon, 12 Jul 2021 09:44:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2021-07-15 04:42:46.476543
• Title: Ontology-Based Process Modelling -- Will we live to see it?
• Title（参考訳）: オントロジベースのプロセスモデリング -- 私たちはそれを見るために生きますか?
• Authors: Carl Corea, Michael Fellmann, Patrick Delfmann
• Abstract要約: オントロジーに基づくプロセスモデリング(OBPM)はビジネスプロセス管理を拡張する大きな可能性を秘めています。 この学界での承認にもかかわらず、広く普及している産業は見当たらない。 これらの問題に対処しなければ、実際にはOBPMの実装は不可能に思える。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In theory, ontology-based process modelling (OBPM) bares great potential to extend business process management. Many works have studied OBPM and are clear on the potential amenities, such as eliminating ambiguities or enabling advanced reasoning over company processes. However, despite this approval in academia, a widespread industry adoption is still nowhere to be seen. This can be mainly attributed to the fact, that it still requires high amounts of manual labour to initially create ontologies and annotations to process models. As long as these problems are not addressed, implementing OBPM seems unfeasible in practice. In this work, we therefore identify requirements needed for a successful implementation of OBPM and assess the current state of research w.r.t. these requirements. Our results indicate that the research progress for means to facilitate OBPM are still alarmingly low and there needs to be urgent work on extending existing approaches.
• Abstract（参考訳）: 理論上、オントロジベースのプロセスモデリング(obpm)はビジネスプロセス管理を拡張する大きな可能性を秘めています。 多くの研究がOBPMを研究しており、曖昧さを排除したり、企業プロセスに対する高度な推論を可能にするなど、潜在的なアメニティを明確にしている。 しかし、この学界での承認にもかかわらず、広く普及している産業は見当たらない。 これは主に、プロセスモデルにオントロジーとアノテーションを作成するのに、まだ大量の手作業を必要とするという事実に起因する可能性がある。 これらの問題に対処しなければ、実際にはOBPMの実装は不可能に思える。 そこで本研究では,OBPMの実施を成功させるために必要な要件を特定し,現在の研究状況を評価する。 これらの要件 以上の結果から,OBPMの促進に向けた研究の進展はいまだに目覚ましいほど低く,既存のアプローチの拡張に緊急の努力が必要であることが示唆された。

関連論文リスト

• On the Potential of Large Language Models to Solve Semantics-Aware Process Mining Tasks [3.9273545629281252]
  大規模言語モデル(LLM)は、プロセスマイニングタスクに対処するための貴重なツールであることが示されている。 本稿では,意味論的プロセスマイニングタスクにおけるLLMの機能について,体系的に検討する。 セマンティック理解を必要とする5つのプロセスマイニングタスクを定義し、評価のための広範なベンチマークデータセットを提供する。
  論文  参考訳（メタデータ） (2025-04-29T17:52:28Z)
• WorkArena++: Towards Compositional Planning and Reasoning-based Common Knowledge Work Tasks [85.95607119635102]
  大型言語モデル(LLM)は人間のような知性を模倣することができる。 WorkArena++は、Webエージェントの計画、問題解決、論理的/論理的推論、検索、コンテキスト的理解能力を評価するように設計されている。
  論文  参考訳（メタデータ） (2024-07-07T07:15:49Z)
• MR-Ben: A Meta-Reasoning Benchmark for Evaluating System-2 Thinking in LLMs [55.20845457594977]
  大規模言語モデル(LLM)は、問題解決と意思決定の能力の向上を示している。 本稿ではメタ推論技術を必要とするプロセスベースのベンチマークMR-Benを提案する。 メタ推論のパラダイムは,システム2のスロー思考に特に適しています。
  論文  参考訳（メタデータ） (2024-06-20T03:50:23Z)
• Towards a Benchmark for Causal Business Process Reasoning with LLMs [2.273531916003657]
  大きな言語モデル(LLM)は、組織の効率向上やタスクの自動化にますます使われています。 近年の取り組みは、推論、計画、意思決定といった活動にLLMを採用するよう拡張されている。 本研究は, LLMの因果的・プロセス的視点を推論する能力を評価するため, ベンチマーク開発のための種子を植え付けるものである。
  論文  参考訳（メタデータ） (2024-06-08T16:10:53Z)
• Adapting Large Language Models for Content Moderation: Pitfalls in Data Engineering and Supervised Fine-tuning [79.53130089003986]
  大規模言語モデル(LLM)は、様々なドメインでタスクを処理するための実現可能なソリューションとなっている。 本稿では、コンテンツモデレーションのためにプライベートにデプロイ可能なLLMモデルを微調整する方法を紹介する。
  論文  参考訳（メタデータ） (2023-10-05T09:09:44Z)
• On building machine learning pipelines for Android malware detection: a procedural survey of practices, challenges and opportunities [4.8460847676785175]
  スマートフォン市場のリーダーとして、Androidはマルウェア攻撃の目玉ターゲットとなっている。 特に市場保有者や研究者にとって、多数のサンプルが手動によるマルウェア検出を不可能にしている。 提案されたアプローチのいくつかは高いパフォーマンスを達成するが、急速に進化するAndroidマルウェアは、時間とともにその正確性を維持することができない。
  論文  参考訳（メタデータ） (2023-06-12T13:52:28Z)
• Just Tell Me: Prompt Engineering in Business Process Management [63.08166397142146]
  GPT-3や他の言語モデル(LM)は、様々な自然言語処理(NLP)タスクに効果的に対処できる。 私たちは、迅速なエンジニアリングは、BPM研究にLMの能力をもたらすことができると論じています。
  論文  参考訳（メタデータ） (2023-04-14T14:55:19Z)
• The Technological Emergence of AutoML: A Survey of Performant Software and Applications in the Context of Industry [72.10607978091492]
  Automated/Autonomous Machine Learning (AutoML/AutonoML)は比較的若い分野である。 このレビューは、このトピックに関する知識に2つの主要な貢献をしている。 オープンソースと商用両方の既存のAutoMLツールについて、最新かつ包括的な調査を提供する。
  論文  参考訳（メタデータ） (2022-11-08T10:42:08Z)
• Automated Deep Learning: Neural Architecture Search Is Not the End [31.0093367527288]
  本稿では,従来型ディープラーニング(DL)ワークフロー全体にわたる自動化研究の取り組みを概観する。 また、個々の出版物と広範な研究分野の両方において、既存の作業を評価するための10の基準の包括的なセットを提案する。 最終的に、このレビューは、2020年代初頭にAutoDLの評価的な概要を提供し、将来の進歩の機会がどこにあるかを特定する。
  論文  参考訳（メタデータ） (2021-12-16T23:02:29Z)
• Exploratory State Representation Learning [63.942632088208505]
  本稿では,XSRL(eXploratory State Representation Learning)と呼ばれる新しい手法を提案する。 一方、コンパクトな状態表現と、その表現から不可解な情報を除去するために使用される状態遷移推定器を共同で学習する。 一方、逆モデルを継続的に訓練し、このモデルの予測誤差に$k$-stepの学習促進ボーナスを加え、発見ポリシーの目的を形成する。
  論文  参考訳（メタデータ） (2021-09-28T10:11:07Z)
• AI Trust in business processes: The need for process-aware explanations [11.161025675113208]
  ビジネスプロセス管理(BPM)の文献は、機械学習ソリューションに富んでいます。 NLPドメインを含むディープラーニングモデルは、プロセス予測に応用されている。 私たちは、BPMにAIモデルが採用されていない大きな理由は、ビジネスユーザーがリスクに逆らってAIモデルを暗黙的に信頼していないことであると断言しています。
  論文  参考訳（メタデータ） (2020-01-21T13:51:36Z)

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。