論文の概要: A Monitoring and Discovery Approach for Declarative Processes Based on Streams

• arxiv url: http://arxiv.org/abs/2208.05364v1
• Date: Wed, 10 Aug 2022 14:25:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-11 13:04:59.634277
• Title: A Monitoring and Discovery Approach for Declarative Processes Based on Streams
• Title（参考訳）: ストリームに基づく宣言的プロセスに対する監視と発見のアプローチ
• Authors: Andrea Burattin and Hugo A. L\'opez and Lasse Starklit
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Process discovery is a family of techniques that helps to comprehend processes from their data footprints. Yet, as processes change over time so should their corresponding models, and failure to do so will lead to models that under- or over-approximate behavior. We present a discovery algorithm that extracts declarative processes as Dynamic Condition Response (DCR) graphs from event streams. Streams are monitored to generate temporal representations of the process, later processed to generate declarative models. We validated the technique via quantitative and qualitative evaluations. For the quantitative evaluation, we adopted an extended Jaccard similarity measure to account for process change in a declarative setting. For the qualitative evaluation, we showcase how changes identified by the technique correspond to real changes in an existing process. The technique and the data used for testing are available online.
• Abstract（参考訳）: プロセス発見は、データフットプリントからプロセスを理解するのに役立つテクニックのファミリーです。 しかし、プロセスが時間とともに変化するにつれて、対応するモデルが変更され、失敗すると、過度な振る舞いや過度な振る舞いをするモデルにつながります。 本稿では,イベントストリームから宣言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表現を生成するために監視され、後に宣言モデルを生成するために処理される。 定量的および定性的な評価によって検証した。 定量的評価のために,宣言的環境でのプロセス変化を考慮した拡張Jaccard類似度尺度を採用した。 定性評価では,既存のプロセスの実際の変化に対応する技術によって識別される変化について述べる。 テストに使用されるテクニックとデータはオンラインで入手可能だ。

関連論文リスト

• An adaptive human-in-the-loop approach to emission detection of Additive Manufacturing processes and active learning with computer vision [76.72662577101988]
  In-situ monitoring and process control in Additive Manufacturing (AM) は大量の排出データを収集することを可能にする。 このデータは、3Dプリントされた部品の3Dおよび2D表現への入力として使用できる。 本研究の目的は,機械学習技術を用いた適応型ヒューマン・イン・ザ・ループ手法を提案することである。
  論文  参考訳（メタデータ） (2022-12-12T15:11:18Z)
• 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)
• Prescriptive Process Monitoring: Quo Vadis? [64.39761523935613]
  本論文はシステム文献レビュー(SLR)を通して,本分野における既存手法について考察する。 SLRは今後の研究の課題や分野に関する洞察を提供し、規範的なプロセス監視手法の有用性と適用性を高めることができる。
  論文  参考訳（メタデータ） (2021-12-03T08:06:24Z)
• How do I update my model? On the resilience of Predictive Process Monitoring models to change [15.29342790344802]
  予測プロセスモニタリング技術は通常、過去のプロセス実行に基づいて予測モデルを構築し、それを新しい進行中のケースの将来を予測するために使用します。 これにより、予測的プロセスモニタリングは、実際の環境で動作するプロセスの変動に対処するには厳格すぎる。 予測モデルの定期的な再検討や漸進的な構築を可能にする3つの戦略の活用を評価した。
  論文  参考訳（メタデータ） (2021-09-08T08:50:56Z)
• On Contrastive Representations of Stochastic Processes [53.21653429290478]
  プロセスの表現を学習することは、機械学習の新たな問題である。 本手法は,周期関数,3次元オブジェクト,動的プロセスの表現の学習に有効であることを示す。
  論文  参考訳（メタデータ） (2021-06-18T11:00:24Z)
• CoCoMoT: Conformance Checking of Multi-Perspective Processes via SMT (Extended Version) [62.96267257163426]
  我々はCoCoMoT(Computing Conformance Modulo Theories)フレームワークを紹介する。 まず、純粋な制御フロー設定で研究したSATベースのエンコーディングを、データ認識ケースに持ち上げる方法を示す。 次に,プロパティ保存型クラスタリングの概念に基づく新しい前処理手法を提案する。
  論文  参考訳（メタデータ） (2021-03-18T20:22:50Z)
• All That Glitters Is Not Gold: Towards Process Discovery Techniques with Guarantees [1.3299507495084417]
  イベントデータの品質が向上すればするほど、発見されたモデルの品質も向上します。 イベントデータと発見したプロセスモデルの両方に、さまざまな品質対策を使用してこれを実証します。 本論文は、ISエンジニアのコミュニティに対して、プロセスディスカバリアルゴリズムを、入力の性質と出力の性質を関連付けたプロパティで補完するよう呼びかけている。
  論文  参考訳（メタデータ） (2020-12-23T16:08:47Z)
• Recurrent Point Review Models [1.412197703754359]
  我々は,時間的情報を取り込んだ深層ニューラルネットワークモデルを構築し,時間とともにデータ変化をレビューする方法をモデル化する。 私たちはリカレントポイントプロセスモデルの動的表現を使用し、ビジネスやサービスレビューの受信履歴を時間内にエンコードします。 提案手法をレコメンデーションシステムのコンテキストに展開し,ユーザの嗜好や嗜好の変化を時間的変化とともに効果的に特徴づける。
  論文  参考訳（メタデータ） (2020-12-10T14:11:42Z)
• Automated simulation and verification of process models discovered by process mining [0.0]
  本稿では,プロセスマイニング技術を用いたプロセスモデルの自動解析手法を提案する。 プロセスマイニングは、さまざまなデバイスによって生成されたイベントデータに隠された、基盤となるプロセスを探索する。
  論文  参考訳（メタデータ） (2020-11-03T11:51:53Z)
• 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)
• Adversarial System Variant Approximation to Quantify Process Model Generalization [2.538209532048867]
  プロセスマイニングでは、プロセスモデルはイベントログから抽出され、複数の品質次元を用いて一般的に評価される。 この問題を解決するために,Adversarial System Variant Approximation (AVATAR)と呼ばれる新しいディープラーニングベースの手法が提案されている。
  論文  参考訳（メタデータ） (2020-03-26T22:06:18Z)

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。