論文の概要: Nirdizati: an Advanced Predictive Process Monitoring Toolkit
- arxiv url: http://arxiv.org/abs/2210.09688v1
- Date: Tue, 18 Oct 2022 08:59:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-19 15:43:01.017134
- Title: Nirdizati: an Advanced Predictive Process Monitoring Toolkit
- Title(参考訳): Nirdizati: 高度な予測プロセス監視ツールキット
- Authors: Williams Rizzi, Chiara Di Francescomarino, Chiara Ghidini, Fabrizio
Maria Maggi
- Abstract要約: Nirdizatiは予測モデルを構築、比較、分析、説明するためのツールである。
本稿では,モジュール性とスケーラビリティを向上させるために開発されたアーキテクチャとともに,現在のNirdizatiについて述べる。
- 参考スコア(独自算出の注目度): 4.6281736192809575
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Predictive Process Monitoring is a field of Process Mining that aims at
predicting how an ongoing execution of a business process will develop in the
future using past process executions recorded in event logs. The recent stream
of publications in this field shows the need for tools able to support
researchers and users in analyzing, comparing and selecting the techniques that
are the most suitable for them. Nirdizati is a dedicated tool for supporting
users in building, comparing, analyzing, and explaining predictive models that
can then be used to perform predictions on the future of an ongoing case. By
providing a rich set of different state-of-the-art approaches, Nirdizati offers
BPM researchers and practitioners a useful and flexible instrument for
investigating and comparing Predictive Process Monitoring techniques. In this
paper, we present the current version of Nirdizati, together with its
architecture which has been developed to improve its modularity and
scalability. The features of Nirdizati enrich its capability to support
researchers and practitioners within the entire pipeline for constructing
reliable Predictive Process Monitoring models.
- Abstract(参考訳): 予測プロセスモニタリングはプロセスマイニングの一分野であり、イベントログに記録された過去のプロセス実行を使用して、ビジネスプロセスの継続的な実行がどのように発展するかを予測することを目的としている。
この分野における最近の出版物の流れは、研究者や利用者が最も適した技術を分析し、比較し、選択できるツールの必要性を示している。
Nirdizatiは、ユーザが予測モデルを構築し、比較し、分析し、説明するための専用のツールである。
最先端のアプローチの豊富なセットを提供することで、nirdizatiはbpm研究者と実践者に対して、予測プロセスのモニタリング技術を調査し比較するための有用な柔軟な手段を提供します。
本稿では,モジュール性とスケーラビリティを向上させるために開発されたアーキテクチャとともに,現在のNirdizatiについて述べる。
nirdizatiの特徴は、信頼できる予測プロセス監視モデルを構築するために、パイプライン全体の研究者や実践者をサポートする能力を強化している。
関連論文リスト
- Towards Completeness-Oriented Tool Retrieval for Large Language Models [60.733557487886635]
現実世界のシステムは多種多様なツールを組み込んでおり、全てのツールを大規模言語モデルに入力することは不可能である。
既存のツール検索手法は主にユーザクエリとツール記述間のセマンティックマッチングに焦点を当てている。
我々は,ユーザクエリとツール記述のセマンティックな類似性だけでなく,ツールの協調的情報も考慮した,新しいモデル診断型協調学習型ツール検索手法であるCOLTを提案する。
論文 参考訳(メタデータ) (2024-05-25T06:41:23Z) - Toward Unified Practices in Trajectory Prediction Research on Drone Datasets [3.1406146587437904]
高品質なデータセットの可用性は、自動運転車の行動予測アルゴリズムの開発に不可欠である。
本稿では,動き予測研究における特定のデータセットの利用の標準化の必要性を強調した。
これを実現するためのツールとプラクティスのセットを提案します。
論文 参考訳(メタデータ) (2024-05-01T16:17:39Z) - LLM-based Interaction for Content Generation: A Case Study on the
Perception of Employees in an IT department [85.1523466539595]
本稿では,IT企業の従業員が生成ツールを使用する意図を明らかにするためのアンケート調査を行う。
以上の結果から, 生成ツールの比較的平均的な受容性が示唆されるが, ツールが有用であると認識されるほど, 意図が高くなることが示唆された。
分析の結果, 生産ツールの利用頻度は, 従業員が作業の文脈でこれらのツールをどのように認識しているかを理解する上で重要な要因である可能性が示唆された。
論文 参考訳(メタデータ) (2023-04-18T15:35:43Z) - 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) - 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) - Predictive Process Model Monitoring using Recurrent Neural Networks [2.4029798593292706]
本稿では,予測モニタリングの中間地点となるプロセス・アズ・ムーブズ(PAM)について紹介する。
プロセス実行トレースのさまざまなウィンドウにおけるアクティビティ間の宣言的なプロセス制約をキャプチャすることで実現します。
高次元入力に適した様々なリカレントニューラルネットワークトポロジを使用して、ウィンドウをタイムステップとしてプロセスモデルの進化をモデル化する。
論文 参考訳(メタデータ) (2020-11-05T13:57:33Z) - Monitoring and explainability of models in production [58.720142291102135]
デプロイされたモデルを監視することは、高品質の機械学習対応サービスの継続的なプロビジョニングに不可欠である。
これらの領域でソリューションの実装を成功させる上での課題を,オープンソースツールを使用した本番環境対応ソリューションの最近の例で論じる。
論文 参考訳(メタデータ) (2020-07-13T10:37:05Z) - An empirical comparison of deep-neural-network architectures for next
activity prediction using context-enriched process event logs [0.0]
研究者は様々な予測ビジネスプロセス監視(PBPM)技術を提案している。
これらのテクニックはディープニューラルネットワーク(DNN)に依存し、プロセスが実行されているコンテキストに関する情報を検討する。
我々は,提案する3つのDNNアーキテクチャの予測品質と,実証された5つの符号化手法と,コンテキストに富んだ5つの実生活イベントログに基づいて評価する。
論文 参考訳(メタデータ) (2020-05-03T21:33:01Z)
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。