論文の概要: Encoder-Decoder Model for Suffix Prediction in Predictive Monitoring

• arxiv url: http://arxiv.org/abs/2211.16106v1
• Date: Tue, 29 Nov 2022 11:27:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-30 15:11:34.373047
• Title: Encoder-Decoder Model for Suffix Prediction in Predictive Monitoring
• Title（参考訳）: 予測モニタリングにおける接尾辞予測のためのエンコーダ・デコーダモデル
• Authors: Efr\'en Rama-Maneiro, Pablo Monteagudo-Lago, Juan C. Vidal, Manuel Lama
• Abstract要約: 接尾辞予測問題に対するほとんどのアプローチは、次の活動のみを予測する方法を学ぶことによって接尾辞を予測することを学ぶ。 本稿では,プレフィックスの表現学習を推論フェーズから分離するアテンション機構を備えたエンコーダ・デコーダモデルに基づく新しいアーキテクチャを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Predictive monitoring is a subfield of process mining that aims to predict how a running case will unfold in the future. One of its main challenges is forecasting the sequence of activities that will occur from a given point in time -- suffix prediction -- . Most approaches to the suffix prediction problem learn to predict the suffix by learning how to predict the next activity only, not learning from the whole suffix during the training phase. This paper proposes a novel architecture based on an encoder-decoder model with an attention mechanism that decouples the representation learning of the prefixes from the inference phase, predicting only the activities of the suffix. During the inference phase, this architecture is extended with a heuristic search algorithm that improves the selection of the activity for each index of the suffix. Our approach has been tested using 12 public event logs against 6 different state-of-the-art proposals, showing that it significantly outperforms these proposals.
• Abstract（参考訳）: 予測監視はプロセスマイニングのサブフィールドであり、今後の実行ケースの展開を予測することを目的としている。 その主な課題のひとつは、与えられた時点から発生するアクティビティのシーケンス -- 接尾辞予測 -- を予測することだ。 サフィックス予測問題に対するほとんどのアプローチは、トレーニングフェーズ中にサフィックス全体からではなく、次のアクティビティのみを予測する方法を学ぶことによってサフィックスを予測することを学ぶ。 本稿では,プレフィックスの表現学習を推論フェーズから分離し,接尾辞のアクティビティのみを予測する注意機構を備えたエンコーダ・デコーダモデルに基づく新しいアーキテクチャを提案する。 推論フェーズにおいて、このアーキテクチャは、接尾辞の各インデックスに対するアクティビティの選択を改善するヒューリスティック検索アルゴリズムによって拡張される。 我々のアプローチは、12の公開イベントログを使って、6つの異なる最先端の提案に対してテストされています。

関連論文リスト

• Learning-Augmented Algorithms with Explicit Predictors [67.02156211760415]
  アルゴリズム設計の最近の進歩は、過去のデータと現在のデータから得られた機械学習モデルによる予測の活用方法を示している。 この文脈における以前の研究は、予測器が過去のデータに基づいて事前訓練され、ブラックボックスとして使用されるパラダイムに焦点を当てていた。 本研究では,予測器を解き,アルゴリズムの課題の中で生じる学習問題を統合する。
  論文  参考訳（メタデータ） (2024-03-12T08:40:21Z)
• Enhancing the Accuracy of Predictors of Activity Sequences of Business Processes [0.9668407688201361]
  ケースサフィックスの予測は、リソーススケジュールの異なる短期的なワークロードと実行時間を見積もる入力を提供する。 この問題に対処する既存の方法は、いくつかのアクティビティが何度も繰り返される接尾辞を生成することが多いが、このパターンはデータでは観測されない。 本稿では,予測された症例接尾辞における活動の繰り返しを軽減するためのサンプリング手法を提案する。
  論文  参考訳（メタデータ） (2023-12-09T12:16:58Z)
• A Discussion on Generalization in Next-Activity Prediction [1.2289361708127877]
  一般的に使用されるイベントログには、膨大な量のサンプルリークがあることが示されています。 我々は、ロバストな評価を設計するには、次の活動予測のトピックとより深い概念的関与が必要であると論じる。
  論文  参考訳（メタデータ） (2023-09-18T09:42:36Z)
• Predictive Coding beyond Correlations [59.47245250412873]
  このようなアルゴリズムのうちの1つは、予測符号化と呼ばれ、因果推論タスクを実行することができるかを示す。 まず、予測符号化の推論過程における簡単な変化が、因果グラフを再利用したり再定義したりすることなく、介入を計算できることを示す。
  論文  参考訳（メタデータ） (2023-06-27T13:57:16Z)
• Towards Out-of-Distribution Sequential Event Prediction: A Causal Treatment [72.50906475214457]
  シーケンシャルなイベント予測の目標は、一連の歴史的なイベントに基づいて次のイベントを見積もることである。 実際には、次のイベント予測モデルは、一度に収集されたシーケンシャルなデータで訓練される。 文脈固有の表現を学習するための階層的な分岐構造を持つフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-24T07:54:13Z)
• Non-Clairvoyant Scheduling with Predictions Revisited [77.86290991564829]
  非論理的スケジューリングでは、優先度不明な処理条件でジョブをスケジューリングするためのオンライン戦略を見つけることが課題である。 我々はこのよく研究された問題を、アルゴリズム設計に(信頼できない)予測を統合する、最近人気の高い学習強化された設定で再検討する。 これらの予測には所望の特性があり, 高い性能保証を有するアルゴリズムと同様に, 自然な誤差測定が可能であることを示す。
  論文  参考訳（メタデータ） (2022-02-21T13:18:11Z)
• Video Prediction via Example Guidance [156.08546987158616]
  ビデオ予測タスクでは、将来のコンテンツとダイナミクスのマルチモーダルな性質を捉えることが大きな課題である。 本研究では,有効な将来状態の予測を効果的に行うための,シンプルで効果的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-03T14:57:24Z)
• Counterfactual Predictions under Runtime Confounding [74.90756694584839]
  本研究は, 過去のデータからすべての関連要因を抽出した環境で, 事実予測タスクについて検討する。 本稿では,この環境下での対実予測モデル学習のための2次ロバスト手法を提案する。
  論文  参考訳（メタデータ） (2020-06-30T15:49:05Z)

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。