論文の概要: An End-to-End Approach for Online Decision Mining and Decision Drift Analysis in Process-Aware Information Systems: Extended Version

• arxiv url: http://arxiv.org/abs/2303.03961v1
• Date: Tue, 7 Mar 2023 15:04:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-08 14:56:23.922196
• Title: An End-to-End Approach for Online Decision Mining and Decision Drift Analysis in Process-Aware Information Systems: Extended Version
• Title（参考訳）: プロセス対応情報システムにおけるオンライン意思決定マイニングと意思決定ドリフト分析のためのエンドツーエンドアプローチ:拡張バージョン
• Authors: Beate Scheibel and Stefanie Rinderle-Ma
• Abstract要約: 決定マイニングは、イベントログやストリームから決定ルールの発見を可能にする。 オンライン意思決定マイニングは、意思決定ルールの進化と意思決定のドリフトを継続的に監視することを可能にする。 本稿では,発見のためのエンドツーエンドアプローチと,実行中の決定点とそれに対応する決定ルールの監視について述べる。
• 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: Decision mining enables the discovery of decision rules from event logs or streams, and constitutes an important part of in-depth analysis and optimisation of business processes. So far, decision mining has been merely applied in an ex-post way resulting in a snapshot of decision rules for the given chunk of log data. Online decision mining, by contrast, enables continuous monitoring of decision rule evolution and decision drift. Hence this paper presents an end-to-end approach for the discovery as well as monitoring of decision points and the corresponding decision rules during runtime, bridging the gap between online control flow discovery and decision mining. The approach provides automatic decision support for process-aware information systems with efficient decision drift discovery and monitoring. For monitoring, not only the performance, in terms of accuracy, of decision rules is taken into account, but also the occurrence of data elements and changes in branching frequency. The paper provides two algorithms, which are evaluated on four synthetic and one real-life data set, showing feasibility and applicability of the approach. Overall, the approach fosters the understanding of decisions in business processes and hence contributes to an improved human-process interaction.
• Abstract（参考訳）: 決定マイニングは、イベントログやストリームから決定ルールの発見を可能にし、ビジネスプロセスの詳細な分析と最適化の重要な部分を構成する。 これまでのところ、決定マイニングは、与えられたログデータのチャンクに対する決定ルールのスナップショットとして、ポスト方式でのみ適用されてきた。 対照的にオンライン意思決定マイニングは、意思決定ルールの進化と意思決定のドリフトの継続的な監視を可能にする。 そこで本稿では,オンライン制御フロー発見と意思決定マイニングのギャップを橋渡しし,発見のエンド・ツー・エンドのアプローチと,実行時の決定ポイントと対応する決定ルールの監視について述べる。 このアプローチは、効率的な意思決定ドリフト発見と監視を備えたプロセス認識情報システムに対する自動決定サポートを提供する。 モニタリングには、決定ルールの正確性の観点からのパフォーマンスだけでなく、データ要素の発生や分岐頻度の変化も考慮される。 この論文は2つのアルゴリズムを提供し、4つの合成データと1つの実生活データに基づいて評価し、そのアプローチの有効性と適用性を示している。 全体として、このアプローチはビジネスプロセスにおける意思決定の理解を促進し、それによってプロセス間のインタラクションの改善に貢献します。

関連論文リスト

• Extracting Process-Aware Decision Models from Object-Centric Process Data [54.04724730771216]
  本稿では,ODDA(Integrated Object-centric Decision Discovery Algorithm)と呼ばれる,オブジェクト中心決定マイニングアルゴリズムを提案する。 IODDAは意思決定の仕組みや意思決定の仕方を知ることができる。
  論文  参考訳（メタデータ） (2024-01-26T13:27:35Z)
• Online Decision Mediation [72.80902932543474]
  意思決定支援アシスタントを学習し、(好奇心)専門家の行動と(不完全)人間の行動の仲介役として機能することを検討する。 臨床診断では、完全に自律的な機械行動は倫理的余裕を超えることが多い。
  論文  参考訳（メタデータ） (2023-10-28T05:59:43Z)
• Explainable Data-Driven Optimization: From Context to Decision and Back Again [76.84947521482631]
  データ駆動最適化では、コンテキスト情報と機械学習アルゴリズムを使用して、不確実なパラメータによる決定問題の解決策を見つける。 本稿では,データ駆動型問題に対する解法を説明するために,対実的説明手法を提案する。 在庫管理やルーティングといった運用管理における重要な問題を説明することで,我々のアプローチを実証する。
  論文  参考訳（メタデータ） (2023-01-24T15:25:16Z)
• Explainable Predictive Decision Mining for Operational Support [0.3232625980782302]
  決定マイニングは、プロセスの決定ポイントにおけるプロセスインスタンスのルーティングを記述/予測することを目的としています。 意思決定マイニングの既存のテクニックは、意思決定の記述に重点を置いているが、その予測には重点を置いていない。 提案手法は, SHAP値を用いた予測決定についての説明を行い, 積極的な行動の誘発を支援する。
  論文  参考訳（メタデータ） (2022-10-30T09:27:41Z)
• Inverse Online Learning: Understanding Non-Stationary and Reactionary Policies [79.60322329952453]
  エージェントが意思決定を行う方法の解釈可能な表現を開発する方法を示す。 一連の軌跡に基づく意思決定プロセスを理解することにより,このオンライン学習問題に対して,政策推論問題を逆問題とみなした。 本稿では、エージェントがそれらを更新するプロセスと並行して、その影響を遡及的に推定する実用的なアルゴリズムを提案する。 UNOSの臓器提供受諾決定の分析に応用することで、我々のアプローチは意思決定プロセスを管理する要因や時間とともにどのように変化するかに、貴重な洞察をもたらすことができることを実証する。
  論文  参考訳（メタデータ） (2022-03-14T17:40:42Z)
• Efficient PAC Reinforcement Learning in Regular Decision Processes [99.02383154255833]
  定期的な意思決定プロセスで強化学習を研究します。 我々の主な貢献は、最適に近いポリシーをパラメータのセットで時間内にPACを学習できることである。
  論文  参考訳（メタデータ） (2021-05-14T12:08:46Z)
• Inverse Active Sensing: Modeling and Understanding Timely Decision-Making [111.07204912245841]
  我々は,内因性,文脈依存型時間圧下でのエビデンスに基づく意思決定の一般的な設定のための枠組みを開発する。 意思決定戦略において、サプライズ、サスペンス、最適性の直感的な概念をモデル化する方法を実証する。
  論文  参考訳（メタデータ） (2020-06-25T02:30:45Z)

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。