論文の概要: Object-centric Process Predictive Analytics

• arxiv url: http://arxiv.org/abs/2203.02801v1
• Date: Sat, 5 Mar 2022 18:46:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-09 10:20:40.563064
• Title: Object-centric Process Predictive Analytics
• Title（参考訳）: オブジェクト指向プロセス予測分析
• Authors: Riccardo Galanti, Massimiliano de Leoni, Nicol\`o Navarin, Alan Marazzi
• Abstract要約: オブジェクト指向プロセスは、あるプロセスのインスタンスが独立して実行されるのではなく、同じまたは他のプロセスの他のインスタンスと相互作用するパラダイムの実装である。 本稿では,オブジェクトの相互作用に関する情報を予測分析に組み込むアプローチを提案する。
• 参考スコア（独自算出の注目度）: 0.5161531917413706
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Object-centric processes (a.k.a. Artifact-centric processes) are implementations of a paradigm where an instance of one process is not executed in isolation but interacts with other instances of the same or other processes. Interactions take place through bridging events where instances exchange data. Object-centric processes are recently gaining popularity in academia and industry, because their nature is observed in many application scenarios. This poses significant challenges in predictive analytics due to the complex intricacy of the process instances that relate to each other via many-to-many associations. Existing research is unable to directly exploit the benefits of these interactions, thus limiting the prediction quality. This paper proposes an approach to incorporate the information about the object interactions into the predictive models. The approach is assessed on real-life object-centric process event data, using different KPIs. The results are compared with a naive approach that overlooks the object interactions, thus illustrating the benefits of their use on the prediction quality.
• Abstract（参考訳）: オブジェクト中心のプロセス(つまりアーティファクト中心のプロセス)は、あるプロセスのインスタンスが独立して実行されるのではなく、同一または他のプロセスの他のインスタンスと相互作用するパラダイムの実装である。 インタラクションは、インスタンスがデータ交換を行うブリッジイベントを通じて行われる。 オブジェクト中心のプロセスは、多くのアプリケーションシナリオでその性質が観察されるため、近年学界や業界で人気を集めています。 これは、多対多の関連によって相互に関連づけられるプロセスインスタンスの複雑な複雑さのため、予測分析において重要な課題となる。 既存の研究ではこれらの相互作用の利点を直接活用できないため、予測品質が制限される。 本稿では,オブジェクトの相互作用に関する情報を予測モデルに組み込むアプローチを提案する。 このアプローチは、異なるKPIを使用して、実際のオブジェクト中心のプロセスイベントデータに基づいて評価される。 結果は、オブジェクト間の相互作用を見落とし、予測品質に対するそれらの使用の利点を示そうとする、素直なアプローチと比較される。

関連論文リスト

• Learning Manipulation by Predicting Interaction [85.57297574510507]
  本稿では,インタラクションを予測して操作を学習する一般的な事前学習パイプラインを提案する。 実験の結果,MPIは従来のロボットプラットフォームと比較して10%から64%向上していることがわかった。
  論文  参考訳（メタデータ） (2024-06-01T13:28:31Z)
• Inter-instance Data Impacts in Business Processes: A Model-based Analysis [0.39165216307579426]
  本稿では、プロセスインスタンス間の共有データを通じて影響を受ける可能性のある影響について述べる。 提案手法はプロセスモデルと(リレーショナルな)データモデルの両方を用いて,潜在的なインスタンス間データインパクトセットを同定する。 本手法の適用性は3つの異なる現実的プロセスを用いて評価した。
  論文  参考訳（メタデータ） (2024-01-29T21:35:13Z)
• Object-Centric Conformance Alignments with Synchronization (Extended Version) [57.76661079749309]
  対象中心のペトリネットが一対多の関係を捉える能力と,その同一性に基づいたオブジェクトの比較と同期を行う識別子を持つペトリネットの能力を組み合わせた,新たな形式主義を提案する。 我々は、満足度変調理論(SMT)の符号化に基づく、そのようなネットに対する適合性チェック手法を提案する。
  論文  参考訳（メタデータ） (2023-12-13T21:53:32Z)
• Chairs Can be Stood on: Overcoming Object Bias in Human-Object Interaction Detection [22.3445174577181]
  画像中のHuman-Object Interaction(HOI)は、高レベルの視覚的理解に向けた重要なステップである。 本稿では,検出対象下でのインタラクションの分散を再バランスする,新しいプラグアンドプレイ型オブジェクト指向デバイアスメモリ(ODM)手法を提案する。 提案手法は,特に各オブジェクト下での稀な相互作用において,ベースラインよりも一貫した,重要な改善をもたらす。
  論文  参考訳（メタデータ） (2022-07-06T01:55:28Z)
• OPerA: Object-Centric Performance Analysis [0.4014524824655105]
  本稿では,ビジネスプロセスの形式表現としてオブジェクト中心のペトリネットを用いたパフォーマンス解析手法を提案する。 提案手法は,新たに導入されたオブジェクト中心のパフォーマンス指標の導出をサポートしながら,既存のパフォーマンス指標を正確に計算する。 我々は,このアプローチをWebアプリケーションとして実装し,実生活ローンアプリケーションプロセスに基づくケーススタディを実施した。
  論文  参考訳（メタデータ） (2022-04-22T12:23:06Z)
• FineDiving: A Fine-grained Dataset for Procedure-aware Action Quality Assessment [93.09267863425492]
  競争力のあるスポーツビデオにおける行動の高レベル意味論と内部時間構造の両方を理解することが、予測を正確かつ解釈可能なものにする鍵である、と我々は主張する。 本研究では,多様なダイビングイベントに対して,アクションプロシージャに関する詳細なアノテーションを付加した,ファインディビングと呼ばれる詳細なデータセットを構築した。
  論文  参考訳（メタデータ） (2022-04-07T17:59:32Z)
• You Mostly Walk Alone: Analyzing Feature Attribution in Trajectory Prediction [52.442129609979794]
  軌道予測のための最近の深層学習手法は有望な性能を示す。 そのようなブラックボックスモデルが実際にどのモデルを予測するために使うのかは、まだ不明である。 本稿では,モデル性能に対する異なるキューの貢献度を定量化する手法を提案する。
  論文  参考訳（メタデータ） (2021-10-11T14:24:15Z)
• Information Interaction Profile of Choice Adoption [2.9972063833424216]
  相互作用するエンティティを分離する時間的距離に応じて、エンティティの相互作用ネットワークとその進化を推定する効率的な方法を紹介します。 相互作用プロファイルは、相互作用プロセスのメカニズムを特徴付けることができます。 ユーザに対する露出の組み合わせの効果は、各露出の独立した効果の総和以上のものであることを示す。
  論文  参考訳（メタデータ） (2021-04-28T10:42:25Z)
• Cause vs. Effect in Context-Sensitive Prediction of Business Process Instances [0.440401067183266]
  本稿では、次の事象の原因または影響のコンテキストの問題と、次の事象の予測への影響について論じる。 確率モデルに関する従来の研究を活用し、動的ベイズネットワーク技術を開発した。 本稿では,本手法を2つの実生活データセットを用いて評価し,予測プロセス監視分野の他の手法とベンチマークする。
  論文  参考訳（メタデータ） (2020-07-15T08:58:15Z)
• Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
  本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。 本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。 我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
  論文  参考訳（メタデータ） (2020-07-07T17:19:56Z)
• Learning Human-Object Interaction Detection using Interaction Points [140.0200950601552]
  本研究では,人間と物体の相互作用を直接検出する新しい完全畳み込み手法を提案する。 我々のネットワークは相互作用点を予測し、その相互作用を直接ローカライズし、分類する。 V-COCOとHICO-DETの2つの人気のあるベンチマークで実験が行われる。
  論文  参考訳（メタデータ） (2020-03-31T08:42:06Z)

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。