論文の概要: Process Extraction from Text: state of the art and challenges for the
future
- arxiv url: http://arxiv.org/abs/2110.03754v1
- Date: Thu, 7 Oct 2021 19:12:24 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-12 08:01:29.515855
- Title: Process Extraction from Text: state of the art and challenges for the
future
- Title（参考訳）: テキストからのプロセス抽出:技術の現状と今後の課題
- Authors: Patrizio Bellan, Mauro Dragoni, Chiara Ghidini
- Abstract要約: 自動プロセスディスカバリは、プロセスモデルの抽出と適用のためのアルゴリズム手法の開発を目的としている。
テキストからのプロセス発見は、まだ開発の初期段階の研究領域であり、実際の文書にスケールすることはめったにない。
- 参考スコア（独自算出の注目度）: 0.7541357996797059
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automatic Process Discovery aims at developing algorithmic methodologies for
the extraction and elicitation of process models as described in data. While
Process Discovery from event-log data is a well established area, that has
already moved from research to concrete adoption in a mature manner, Process
Discovery from text is still a research area at an early stage of development,
which rarely scales to real world documents. In this paper we analyze, in a
comparative manner, reference state-of-the-art literature, especially for what
concerns the techniques used, the process elements extracted and the
evaluations performed. As a result of the analysis we discuss important
limitations that hamper the exploitation of recent Natural Language Processing
techniques in this field and we discuss fundamental limitations and challenges
for the future concerning the datasets, the techniques, the experimental
evaluations, and the pipelines currently adopted and to be developed in the
future.
- Abstract（参考訳）: 自動プロセス探索は、データに記述されたプロセスモデルの抽出と導出のためのアルゴリズム手法の開発を目標としている。
イベントログデータからのプロセス発見は、すでに研究から成熟した方法での具体的な採用へと移行した、確立された領域であるが、テキストからのプロセス発見は、まだ開発の初期段階にある研究領域であり、現実のドキュメントにはほとんどスケールしない。
本稿では, 比較的に, 最先端文献, 特に使用する技術, プロセス要素の抽出, 評価について分析する。
分析の結果,近年の自然言語処理技術の活用を妨げる重要な限界について議論し,今後,データセット,技術,実験評価,パイプラインが現在採用され,将来開発される上での根本的な限界と課題について考察する。
関連論文リスト
- Likelihood as a Performance Gauge for Retrieval-Augmented Generation [78.28197013467157]
言語モデルの性能の効果的な指標としての可能性を示す。
提案手法は,より優れた性能をもたらすプロンプトの選択と構築のための尺度として,疑似可能性を利用する2つの手法を提案する。
論文 参考訳（メタデータ） (2024-11-12T13:14:09Z) - Deep Model Interpretation with Limited Data : A Coreset-based Approach [0.810304644344495]
本稿では,コアセット選択手法を用いて,大規模データセットの代表的なサブセットを抽出する,コアセットに基づく解釈フレームワークを提案する。
本稿では,モデル解釈手法のロバスト性を評価するための類似性に基づく評価プロトコルを提案する。
論文 参考訳（メタデータ） (2024-10-01T09:07:24Z) - Pattern based learning and optimisation through pricing for bin packing problem [50.83768979636913]
確率変数の分布のような問題条件が変化すると、以前の状況でうまく機能するパターンはより効果的になるかもしれないと論じる。
本研究では,パターンを効率的に同定し,各条件に対する値の動的定量化を行う新しい手法を提案する。
本手法は,制約を満たす能力と目的値に対する影響に基づいて,パターンの値の定量化を行う。
論文 参考訳（メタデータ） (2024-08-27T17:03:48Z) - Multi-objective Binary Differential Approach with Parameter Tuning for Discovering Business Process Models: MoD-ProM [2.3423913554158653]
本稿では,プロセス発見のための多目的フレームワークにおけるバイナリ微分進化手法について考察する。
提案手法により生成されたプロセスモデルは、最先端のアルゴリズムで生成されたプロセスよりも優れているか、少なくとも優れていることが示されている。
論文 参考訳（メタデータ） (2024-06-25T16:53:55Z) - Evaluating Generative Language Models in Information Extraction as Subjective Question Correction [49.729908337372436]
本稿では,新しい評価手法SQC-Scoreを提案する。
主観的質問訂正の原則に着想を得て,新しい評価手法SQC-Scoreを提案する。
3つの情報抽出タスクの結果から,SQC-Scoreは基準値よりもアノテータの方が好ましいことが示された。
論文 参考訳（メタデータ） (2024-04-04T15:36:53Z) - A Large-Scale Empirical Study on Improving the Fairness of Image Classification Models [22.522156479335706]
本稿では,現在ある最先端の公正性向上技術の性能を比較するための,最初の大規模実証的研究を行う。
その結果,各手法の性能は,データセットや属性によって大きく異なることがわかった。
異なる公平度評価指標は、その異なる焦点のために、明らかに異なる評価結果をもたらす。
論文 参考訳（メタデータ） (2024-01-08T06:53:33Z) - How to Determine the Most Powerful Pre-trained Language Model without
Brute Force Fine-tuning? An Empirical Survey [23.757740341834126]
その結果,H-Scoreは効率性や効率性に優れることがわかった。
また、トレーニングの詳細、テキスト生成への適用性、今後の方向性に光を当てる特定の指標との整合性といった難しさについても概説する。
論文 参考訳（メタデータ） (2023-12-08T01:17:28Z) - Better Understanding Differences in Attribution Methods via Systematic Evaluations [57.35035463793008]
モデル決定に最も影響を及ぼす画像領域を特定するために、ポストホック属性法が提案されている。
本稿では,これらの手法の忠実度をより確実に評価するための3つの新しい評価手法を提案する。
これらの評価手法を用いて、広範囲のモデルにおいて広く用いられている属性手法の長所と短所について検討する。
論文 参考訳（メタデータ） (2023-03-21T14:24:58Z) - Operationalizing Specifications, In Addition to Test Sets for Evaluating
Constrained Generative Models [17.914521288548844]
生成モデルのスケールは、評価自体が実行される抽象レベルを高めるために利用することができると論じる。
我々の勧告は、生成品質を評価するための強力な手段として仕様を活用することに基づいている。
論文 参考訳（メタデータ） (2022-11-19T06:39:43Z) - Towards Better Understanding Attribution Methods [77.1487219861185]
モデル決定に最も影響を及ぼす画像領域を特定するために、ポストホック属性法が提案されている。
本稿では,これらの手法の忠実度をより確実に評価するための3つの新しい評価手法を提案する。
また,いくつかの属性法の性能を著しく向上する処理後平滑化ステップを提案する。
論文 参考訳（メタデータ） (2022-05-20T20:50:17Z) - Interpretable Multi-dataset Evaluation for Named Entity Recognition [110.64368106131062]
本稿では,名前付きエンティティ認識(NER)タスクに対する一般的な評価手法を提案する。
提案手法は,モデルとデータセットの違いと,それらの間の相互作用を解釈することを可能にする。
分析ツールを利用可能にすることで、将来の研究者が同様の分析を実行し、この分野の進歩を促進することができる。
論文 参考訳（メタデータ） (2020-11-13T10:53:27Z)
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。