論文の概要: INEXA: Interactive and Explainable Process Model Abstraction Through Object-Centric Process Mining
- arxiv url: http://arxiv.org/abs/2403.18659v1
- Date: Wed, 27 Mar 2024 15:03:33 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-28 16:29:03.414714
- Title: INEXA: Interactive and Explainable Process Model Abstraction Through Object-Centric Process Mining
- Title(参考訳): INEXA: オブジェクト中心のプロセスマイニングによるインタラクティブで説明可能なプロセスモデル抽象化
- Authors: Janik-Vasily Benzin, Gyunam Park, Juergen Mangler, Stefanie Rinderle-Ma,
- Abstract要約: イベントログへのリンクを保持するインタラクティブで説明可能なプロセスモデル抽象化手法であるINEXAを提案する。
出発点として、INEXAは大規模なプロセスモデルを「表示可能な」サイズに集約する。
- 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: Process events are recorded by multiple information systems at different granularity levels. Based on the resulting event logs, process models are discovered at different granularity levels, as well. Events stored at a fine-grained granularity level, for example, may hinder the discovered process model to be displayed due the high number of resulting model elements. The discovered process model of a real-world manufacturing process, for example, consists of 1,489 model elements and over 2,000 arcs. Existing process model abstraction techniques could help reducing the size of the model, but would disconnect it from the underlying event log. Existing event abstraction techniques do neither support the analysis of mixed granularity levels, nor interactive exploration of a suitable granularity level. To enable the exploration of discovered process models at different granularity levels, we propose INEXA, an interactive, explainable process model abstraction method that keeps the link to the event log. As a starting point, INEXA aggregates large process models to a "displayable" size, e.g., for the manufacturing use case to a process model with 58 model elements. Then, the process analyst can explore granularity levels interactively, while applied abstractions are automatically traced in the event log for explainability.
- Abstract(参考訳): プロセスイベントは、異なる粒度レベルで複数の情報システムによって記録される。
結果のイベントログに基づいて、プロセスモデルもさまざまな粒度レベルで検出される。
例えば、きめ細かい粒度レベルで格納されたイベントは、結果として生じるモデル要素の数が多いため、発見されたプロセスモデルを表示するのを妨げる可能性がある。
例えば、現実世界の製造プロセスのプロセスモデルは、1,489のモデル要素と2,000以上のアークから構成される。
既存のプロセスモデル抽象化技術は、モデルのサイズを減らすのに役立ちますが、基盤となるイベントログから切り離すことができます。
既存のイベント抽象化技術は、混合粒度レベルの分析や、適切な粒度レベルの対話的な探索をサポートしない。
異なる粒度レベルで発見されたプロセスモデルの探索を可能にするために,イベントログへのリンクを保持するインタラクティブで説明可能なプロセスモデル抽象化手法であるINEXAを提案する。
出発点として、INEXAは58のモデル要素を持つプロセスモデルに対して、大きなプロセスモデルを「表示可能な」サイズに集約する。
次に、プロセスアナリストは粒度レベルをインタラクティブに調査し、適用される抽象化は、説明可能性のためにイベントログに自動的にトレースされる。
関連論文リスト
- MAO: A Framework for Process Model Generation with Multi-Agent Orchestration [12.729855942941724]
本稿では,マルチエージェントオーケストレーション(MAO)を用いたプロセスモデルの自動生成フレームワークについて検討する。
大きな言語モデルは幻覚を起こす傾向があるため、エージェントはプロセスモデルにおける意味幻覚をレビューし、修復する必要がある。
実験により、我々のフレームワークが生成したプロセスモデルは、4つの異なるデータセットで手動モデリングを89%、61%、52%、75%以上上回っていることが示された。
論文 参考訳(メタデータ) (2024-08-04T03:32:17Z) - Concrete Subspace Learning based Interference Elimination for Multi-task
Model Fusion [86.6191592951269]
一般的な事前訓練された大規模モデルから微調整されたマージングモデルは、様々なタスクに特化しているが、様々なタスクでうまく機能するマルチタスクモデルを構築するための安価でスケーラブルな戦略として実証されている。
本稿では、共通低次元部分空間を同定し、その共有情報トラック干渉問題を性能を犠牲にすることなく利用するための連続緩和(Concrete)部分空間学習法を提案する。
論文 参考訳(メタデータ) (2023-12-11T07:24:54Z) - Discovering Hierarchical Process Models: an Approach Based on Events
Clustering [0.0]
本稿では,2段階のワークフローネットとして表現される階層的プロセスモデルを発見するアルゴリズムを提案する。
既存のソリューションとは異なり、我々のアルゴリズムはプロセス制御フローに制限を課さず、反復を可能にする。
論文 参考訳(メタデータ) (2023-03-12T11:05:40Z) - 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) - Clustering Object-Centric Event Logs [0.36748639131154304]
本稿では,OCEL に類似したオブジェクトをクラスタリングするクラスタリング手法を提案する。
我々のアプローチは、プロセスモデルの複雑さを減らし、エンドユーザーがプロセスに対する洞察を得るのに役立つオブジェクトの一貫性のあるサブセットを生成する。
論文 参考訳(メタデータ) (2022-07-26T09:16:39Z) - Segmenting Moving Objects via an Object-Centric Layered Representation [100.26138772664811]
深層表現を用いたオブジェクト中心セグメンテーションモデルを提案する。
複数のオブジェクトで合成トレーニングデータを生成するスケーラブルなパイプラインを導入する。
標準的なビデオセグメンテーションベンチマークでモデルを評価する。
論文 参考訳(メタデータ) (2022-07-05T17:59:43Z) - Extending Process Discovery with Model Complexity Optimization and
Cyclic States Identification: Application to Healthcare Processes [62.997667081978825]
モデル最適化のための半自動支援を実現するプロセスマイニング手法を提案する。
所望の粒度で生モデルを抽象化するモデル単純化手法が提案されている。
医療分野の異なるアプリケーションから得られた3つのデータセットを用いて、技術的ソリューションの能力を実証することを目的としている。
論文 参考訳(メタデータ) (2022-06-10T16:20:59Z) - Model LEGO: Creating Models Like Disassembling and Assembling Building Blocks [53.09649785009528]
本稿では,新しいモデルを得るためのトレーニングを必要としないパラダイムについて検討する。
生体視覚系における受容野にインスパイアされたCNNの誕生と同様、モデル分解と組み立てを提案する。
モデル組立には、特定のタスクに適した新しいモデルを構築するために、アライメントパディング戦略とパラメータスケーリング戦略を提案する。
論文 参考訳(メタデータ) (2022-03-25T05:27:28Z) - Process Discovery Using Graph Neural Networks [2.6381163133447836]
本稿では,グラフニューラルネットワークを用いたMLベースモデルDのトレーニング手法を提案する。
Dは与えられた入力イベントログをサウンドペトリネットに変換する。
合成された入力ログと出力モデルのペアによるDのトレーニングにより、Dは以前に見つからなかった合成イベントログと複数の実生活イベントログを音に変換することができることを示す。
論文 参考訳(メタデータ) (2021-09-13T10:04:34Z) - BoundarySqueeze: Image Segmentation as Boundary Squeezing [104.43159799559464]
本研究では,オブジェクトとシーンの微細な高画質画像分割のための新しい手法を提案する。
形態素画像処理技術による拡張と浸食に着想を得て,画素レベルのセグメンテーション問題をスクイーズ対象境界として扱う。
提案手法は,COCO,Cityscapesのインスタンス・セグメンテーション・セグメンテーション・セグメンテーションにおいて大きく向上し,同一条件下での精度・速度ともに従来のPointRendよりも優れていた。
論文 参考訳(メタデータ) (2021-05-25T04:58:51Z) - 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)
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。