論文の概要: Extending LIME for Business Process Automation
- arxiv url: http://arxiv.org/abs/2108.04371v1
- Date: Mon, 9 Aug 2021 21:30:46 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-11 14:25:39.725065
- Title: Extending LIME for Business Process Automation
- Title(参考訳): ビジネスプロセス自動化のためのLIMEの拡張
- Authors: Sohini Upadhyay, Vatche Isahagian, Vinod Muthusamy, Yara Rizk
- Abstract要約: ビジネスプロセスアプリケーションには、軽量でモデルに依存しない、LIMEのような既存の説明手法が失敗するタスクの順序や制約があります。
我々は、AIビジネスプロセスアプリケーションを説明するためにLIMEを拡張した局所的な説明フレームワークを提案する。
- 参考スコア(独自算出の注目度): 2.5470840043956886
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: AI business process applications automate high-stakes business decisions
where there is an increasing demand to justify or explain the rationale behind
algorithmic decisions. Business process applications have ordering or
constraints on tasks and feature values that cause lightweight, model-agnostic,
existing explanation methods like LIME to fail. In response, we propose a local
explanation framework extending LIME for explaining AI business process
applications. Empirical evaluation of our extension underscores the advantage
of our approach in the business process setting.
- Abstract(参考訳): AIビジネスプロセスアプリケーションは、アルゴリズム決定の背景にある根拠を正当化したり、説明したりする需要が高まっている場合、ハイテイクなビジネス判断を自動化する。
ビジネスプロセスアプリケーションには、LIMEのような軽量でモデルに依存しない既存の説明手法が失敗するタスクや機能値の順序や制約があります。
そこで本研究では,AIビジネスプロセスアプリケーションを説明するためにLIMEを拡張した局所的な説明フレームワークを提案する。
私たちの拡張の実証的な評価は、ビジネスプロセス設定における我々のアプローチの利点を強調します。
関連論文リスト
- 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) - Extracting Process-Aware Decision Models from Object-Centric Process
Data [54.04724730771216]
本稿では,ODDA(Integrated Object-centric Decision Discovery Algorithm)と呼ばれる,オブジェクト中心決定マイニングアルゴリズムを提案する。
IODDAは意思決定の仕組みや意思決定の仕方を知ることができる。
論文 参考訳(メタデータ) (2024-01-26T13:27:35Z) - Age-Based Scheduling for Mobile Edge Computing: A Deep Reinforcement
Learning Approach [58.911515417156174]
我々は情報時代(AoI)の新たな定義を提案し、再定義されたAoIに基づいて、MECシステムにおけるオンラインAoI問題を定式化する。
本稿では,システム力学の部分的知識を活用するために,PDS(Post-Decision State)を導入する。
また、PSDと深いRLを組み合わせることで、アルゴリズムの適用性、スケーラビリティ、堅牢性をさらに向上します。
論文 参考訳(メタデータ) (2023-12-01T01:30:49Z) - Clarify When Necessary: Resolving Ambiguity Through Interaction with LMs [58.620269228776294]
そこで本稿では,ユーザに対して,あいまいさを解消するためのタスク非依存のフレームワークを提案する。
我々は3つのNLPアプリケーション(質問応答、機械翻訳、自然言語推論)にまたがるシステムを評価する。
インテントシムは堅牢であり、幅広いNLPタスクやLMの改善を実証している。
論文 参考訳(メタデータ) (2023-11-16T00:18:50Z) - 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) - A Methodology and Software Architecture to Support
Explainability-by-Design [0.0]
本稿では,意思決定システムの設計における説明能力を含む積極的尺度を特徴とする説明可能性設計手法について述べる。
方法論は, (A)説明要求分析, (B)説明技術設計, (C)説明検証の3段階からなる。
提案手法は,1文あたり2時間程度の開発時間で抽出可能であることがわかった。
論文 参考訳(メタデータ) (2022-06-13T15:34:29Z) - Inverse Online Learning: Understanding Non-Stationary and Reactionary
Policies [79.60322329952453]
エージェントが意思決定を行う方法の解釈可能な表現を開発する方法を示す。
一連の軌跡に基づく意思決定プロセスを理解することにより,このオンライン学習問題に対して,政策推論問題を逆問題とみなした。
本稿では、エージェントがそれらを更新するプロセスと並行して、その影響を遡及的に推定する実用的なアルゴリズムを提案する。
UNOSの臓器提供受諾決定の分析に応用することで、我々のアプローチは意思決定プロセスを管理する要因や時間とともにどのように変化するかに、貴重な洞察をもたらすことができることを実証する。
論文 参考訳(メタデータ) (2022-03-14T17:40:42Z) - Exploring Business Process Deviance with Sequential and Declarative
Patterns [3.039637436705478]
分散マイニングは、ビジネスプロセスの実行をサポートするシステムによって格納されたイベントログを分析して、デファイナント実行の理由を明らかにすることに関心がある。
ビジネスプロセスにおける逸脱を説明する問題は、まず、逐次的および宣言的パターンに基づいた特徴を用いて検討する。
それらの説明は、ルール誘導のための直接的および間接的な方法によって抽出される。
論文 参考訳(メタデータ) (2021-11-24T12:16:07Z) - Explainable Artificial Intelligence for Process Mining: A General
Overview and Application of a Novel Local Explanation Approach for Predictive
Process Monitoring [0.0]
本研究では,意思決定環境の確立と理解促進を目的とした概念的枠組みを提案する。
本研究では、中間潜在空間表現を用いて、検証データセットから局所領域を定義する。
採用したディープラーニング分類器は、ROC曲線0.94のエリアで良好な性能を発揮する。
論文 参考訳(メタデータ) (2020-09-04T10:28:56Z) - Learning to Infer User Hidden States for Online Sequential Advertising [52.169666997331724]
本稿では,これらの問題に対処するディープインテントシーケンス広告(DISA)手法を提案する。
解釈可能性の鍵となる部分は、消費者の購入意図を理解することである。
論文 参考訳(メタデータ) (2020-09-03T05:12:26Z) - 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。