論文の概要: Timeline-based Process Discovery
- arxiv url: http://arxiv.org/abs/2401.04114v1
- Date: Thu, 21 Dec 2023 23:00:45 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-15 09:21:28.818594
- Title: Timeline-based Process Discovery
- Title(参考訳): タイムラインに基づくプロセス発見
- Authors: Harleen Kaur and Jan Mendling and Christoffer Rubensson and Timotheus
Kampik
- Abstract要約: 本稿では,時間軸に明示的に整合したプロセスモデルを自動的に構築する手法を提案する。
2つのBPICデータセットとプロプライエタリなデータセットを用いた評価では、標準的なレイアウト手法と比較して、この表現の利点が強調されている。
- 参考スコア(独自算出の注目度): 1.6303886532782983
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A key concern of automatic process discovery is to provide insights into
performance aspects of business processes. Waiting times are of particular
importance in this context. For that reason, it is surprising that current
techniques for automatic process discovery generate directly-follows graphs and
comparable process models, but often miss the opportunity to explicitly
represent the time axis. In this paper, we present an approach for
automatically constructing process models that explicitly align with a time
axis. We exemplify our approach for directly-follows graphs. Our evaluation
using two BPIC datasets and a proprietary dataset highlight the benefits of
this representation in comparison to standard layout techniques.
- Abstract(参考訳): 自動プロセス発見の重要な関心事は、ビジネスプロセスのパフォーマンス面に関する洞察を提供することである。
この文脈では待ち時間が特に重要である。
そのため、現在の自動プロセス発見技術がグラフや同等のプロセスモデルを直接追随するが、時間軸を明示的に表現する機会を逃してしまうことは驚くべきことである。
本稿では,時間軸に明示的に一致するプロセスモデルを自動的に構築する手法を提案する。
直接フォローグラフに対する我々のアプローチを例示する。
2つのbpicデータセットとプロプライエタリデータセットを用いた評価では,標準レイアウト手法と比較して,この表現の利点を強調する。
関連論文リスト
- TimeGraphs: Graph-based Temporal Reasoning [64.18083371645956]
TimeGraphsは階層的時間グラフとして動的相互作用を特徴付ける新しいアプローチである。
提案手法は,コンパクトなグラフベース表現を用いて相互作用をモデル化し,多種多様な時間スケールでの適応推論を可能にする。
我々は,サッカーシミュレータ,抵抗ゲーム,MOMA人間活動データセットなど,複雑でダイナミックなエージェントインタラクションを持つ複数のデータセット上でTimeGraphsを評価する。
論文 参考訳(メタデータ) (2024-01-06T06:26:49Z) - Automating Model Comparison in Factor Graphs [3.119859292303397]
本稿では,Forney型因子グラフ上のメッセージパッシングによるベイズモデルの平均化,選択,組み合わせを,独自の混合ノードで効率的に自動化する。
このアプローチは、モデル設計サイクルを短縮し、複雑な時間変化のプロセスをモデル化するために、階層的および時間的モデルへの直接拡張を可能にする。
論文 参考訳(メタデータ) (2023-06-09T15:33:30Z) - Avoiding Post-Processing with Event-Based Detection in Biomedical
Signals [69.34035527763916]
学習対象としてイベントを直接扱うイベントベースのモデリングフレームワークを提案する。
イベントベースのモデリング(後処理なし)は、広範囲な後処理を伴うエポックベースのモデリングと同等以上のパフォーマンスを示す。
論文 参考訳(メタデータ) (2022-09-22T13:44:13Z) - Learning Automata-Based Complex Event Patterns in Answer Set Programming [0.30458514384586405]
本稿では,過渡応答条件をASP(Answer Set Programming)ルールで定義するオートマトン群を提案する。
我々は、ASPにおけるこのような学習アプローチと、そのインクリメンタルバージョンを示し、効率性のために最適性を交換し、大規模なデータセットにスケールすることができる。
我々は2つのCERデータセットに対するアプローチを評価し、それを最先端のオートマトン学習技術と比較し、経験的に優れた性能を示す。
論文 参考訳(メタデータ) (2022-08-31T12:40:44Z) - Predictive Object-Centric Process Monitoring [10.219621548854343]
本稿では,GAN(Generative Adversarial Networks),LSTM(Long Short-Term Memory),Seq2seq(Sequence to Sequence Model)を用いた予測手法をOCELに含まれるリッチデータで拡張可能であることを示す。
この論文は、ユーザの入力から次のアクティビティのシーケンスを予測するWebインターフェースを提供する。
論文 参考訳(メタデータ) (2022-07-20T16:30:47Z) - Temporal Knowledge Graph Reasoning with Low-rank and Model-agnostic
Representations [1.8262547855491458]
低ランクテンソル分解モデル LowFER のパラメータ効率および時間認識拡張系である Time-LowFER を導入する。
時間を表現するための現在のアプローチのいくつかの制限に留意し、時間特徴に対するサイクル対応の時間符号化方式を提案する。
我々は,時間に敏感なデータ処理に着目した統合時間知識グラフ埋め込みフレームワークに本手法を実装した。
論文 参考訳(メタデータ) (2022-04-10T22:24:11Z) - Automated Machine Learning Techniques for Data Streams [91.3755431537592]
本稿では、最先端のオープンソースAutoMLツールを調査し、ストリームから収集したデータに適用し、時間とともにパフォーマンスがどのように変化するかを測定する。
この結果から,既製のAutoMLツールで十分な結果が得られることが示されたが,概念ドリフトや検出,適応といった手法が適用されれば,予測精度を時間とともに維持することが可能になる。
論文 参考訳(メタデータ) (2021-06-14T11:42:46Z) - Visualising Deep Network's Time-Series Representations [93.73198973454944]
機械学習モデルの普及にもかかわらず、多くの場合、モデルの内部で起きていることに関する洞察のないブラックボックスとして運用される。
本稿では,多次元時系列データの可視化に着目し,この問題に対処する手法を提案する。
高周波在庫市場データセットの実験は、この方法が迅速かつ識別可能な可視化を提供することを示しています。
論文 参考訳(メタデータ) (2021-03-12T09:53:34Z) - Probabilistic Case-based Reasoning for Open-World Knowledge Graph
Completion [59.549664231655726]
ケースベース推論(CBR)システムは,与えられた問題に類似した事例を検索することで,新たな問題を解決する。
本稿では,知識ベース(KB)の推論において,そのようなシステムが実現可能であることを示す。
提案手法は,KB内の類似エンティティからの推論パスを収集することにより,エンティティの属性を予測する。
論文 参考訳(メタデータ) (2020-10-07T17:48:12Z) - 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) - Time-aware Graph Embedding: A temporal smoothness and task-oriented
approach [9.669206664225234]
本稿では,時間的滑らかさを取り入れたロバストな時間認識グラフ埋め込み(RTGE)手法を提案する。
まず、RTGEは時間認識グラフ埋め込みの学習過程における時間的滑らかさの尺度を統合する。
第2に、RTGEは時間的情報に関連する一般的なタスク指向のネガティブサンプリング戦略を提供する。
論文 参考訳(メタデータ) (2020-07-22T02:20:25Z)
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。