論文の概要: OCPM$^2$: Extending the Process Mining Methodology for Object-Centric Event Data Extraction

• arxiv url: http://arxiv.org/abs/2503.10735v1
• Date: Thu, 13 Mar 2025 15:30:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-17 22:04:29.005578
• Title: OCPM$^2$: Extending the Process Mining Methodology for Object-Centric Event Data Extraction
• Title（参考訳）: OCPM$^2$:オブジェクト中心イベントデータ抽出のためのプロセスマイニング方法論の拡張
• Authors: Najmeh Miri, Shahrzad Khayatbashi, Jelena Zdravkovic, Amin Jalali,
• Abstract要約: オブジェクト指向プロセスマイニング(OCPM)は、複数の視点からビジネスプロセスの分析を可能にする。 本稿では,プロセスマイニングフレームワークであるPMinst2に基づいてOCEDを抽出する手法を提案する。 この枠組みを実世界の教育環境に適用することで検証する。
• 参考スコア（独自算出の注目度）: 0.7124736158080938
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Object-Centric Process Mining (OCPM) enables business process analysis from multiple perspectives. For example, an educational path can be examined from the viewpoints of students, teachers, and groups. This analysis depends on Object-Centric Event Data (OCED), which captures relationships between events and object types, representing different perspectives. Unlike traditional process mining techniques, extracting OCED minimizes the need for repeated log extractions when shifting the analytical focus. However, recording these complex relationships increases the complexity of the log extraction process. To address this challenge, this paper proposes a method for extracting OCED based on PM\inst{2}, a well-established process mining framework. Our approach introduces a structured framework that guides data analysts and engineers in extracting OCED for process analysis. We validate this framework by applying it in a real-world educational setting, demonstrating its effectiveness in extracting an Object-Centric Event Log (OCEL), which serves as the standard format for recording OCED, from a learning management system and an administrative grading system.
• Abstract（参考訳）: オブジェクト指向プロセスマイニング(OCPM)は、複数の視点からビジネスプロセスの分析を可能にする。 例えば、学生、教師、グループの観点から、教育パスを調べることができる。 この分析はオブジェクト中心のイベントデータ(OCED)に依存します。 従来のプロセスマイニング技術とは異なり、OCED抽出は分析焦点をシフトする際の繰り返しログ抽出の必要性を最小限に抑える。 しかし、これらの複雑な関係を記録することで、ログ抽出プロセスの複雑さが増大する。 そこで本研究では,プロセスマイニングフレームワークPM\inst{2}に基づくOCED抽出手法を提案する。 プロセス分析のためにOCEDを抽出するために,データアナリストや技術者をガイドする構造化フレームワークを導入する。 本研究では,この枠組みを実世界の教育環境に適用し,学習管理システムと行政グレーティングシステムからOCEDを記録するための標準フォーマットとして機能するオブジェクト指向イベントログ(OCEL)を抽出する効果を実証する。

関連論文リスト

• Reinforcing Compositional Retrieval: Retrieving Step-by-Step for Composing Informative Contexts [67.67746334493302]
  大規模言語モデル(LLM)は、多くのタスクにまたがる顕著な機能を示してきたが、複雑なタスクを扱うために外部のコンテキストに依存していることが多い。 我々は、このプロセスをマルコフ決定プロセス(MDP)としてモデル化するトリエンコーダシーケンシャルレトリバーを提案する。 提案手法は,サンプル間の依存関係を明示的にモデル化することの重要性を強調し,ベースラインを一貫して大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2025-04-15T17:35:56Z)
• Coarse-to-Fine Process Reward Modeling for Mathematical Reasoning [11.15613673478208]
  プロセス・リワード・モデル (Process Reward Model, PRM) は数学的推論において重要な役割を担い、高品質なプロセスデータを必要とする。 我々は,Large Language Models (LLM) が生成する推論ステップが,厳密なインクリメンタルな情報表示に失敗することが多く,冗長性が生じることを観察する。 本稿では,冗長なステップを検出するための簡易かつ効果的な粗大な戦略CFPRMを提案する。
  論文  参考訳（メタデータ） (2025-01-23T12:44:45Z)
• WISE: Unraveling Business Process Metrics with Domain Knowledge [0.0]
  複雑な産業プロセスの異常は、しばしばイベントデータの高変動性と複雑さによって隠蔽される。 本稿では、ドメイン知識、プロセスマイニング、機械学習の統合により、ビジネスプロセスメトリクスを分析する新しい手法WISEを紹介する。 WISEはビジネスプロセス分析における自動化を強化し、望ましいプロセスフローからの逸脱を効果的に検出する。
  論文  参考訳（メタデータ） (2024-10-06T07:57:08Z)
• A Systematic Review on Process Mining for Curricular Analysis [0.9208007322096533]
  教育プロセスマイニング(英: Educational Process Mining、EPM)は、教育プロセスを改善するために用いられるデータ分析技術である。 EPMの特定の応用の1つはカリキュラムマイニングであり、これは学生が学習目標を達成するための学習プログラムを理解することに焦点を当てている。 本総説では, キュラープロセスマイニングにおける現状を概観し, より堅牢で実用的なキュラー解析を支援するための具体的な研究機会について概説する。
  論文  参考訳（メタデータ） (2024-09-13T21:35:11Z)
• Enhancing Large Language Model with Decomposed Reasoning for Emotion Cause Pair Extraction [13.245873138716044]
  Emotion-Cause Pair extract (ECPE) は、感情とその原因を表す節対を文書で抽出する。 近年の成果から着想を得て,大規模言語モデル(LLM)を活用してECPEタスクに追加のトレーニングを加えることなく対処する方法について検討した。 人間の認知過程を模倣するチェーン・オブ・シントを導入し,Decomposed Emotion-Cause Chain (DECC) フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-01-31T10:20:01Z)
• Object-Centric Conformance Alignments with Synchronization (Extended Version) [57.76661079749309]
  対象中心のペトリネットが一対多の関係を捉える能力と,その同一性に基づいたオブジェクトの比較と同期を行う識別子を持つペトリネットの能力を組み合わせた,新たな形式主義を提案する。 我々は、満足度変調理論(SMT)の符号化に基づく、そのようなネットに対する適合性チェック手法を提案する。
  論文  参考訳（メタデータ） (2023-12-13T21:53:32Z)
• 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)
• Texture-guided Saliency Distilling for Unsupervised Salient Object Detection [67.10779270290305]
  本研究では, 簡便かつ高精度な塩分濃度の知識を抽出するUSOD法を提案する。 提案手法は,RGB,RGB-D,RGB-T,ビデオSODベンチマーク上での最先端USOD性能を実現する。
  論文  参考訳（メタデータ） (2022-07-13T02:01:07Z)
• IAM: A Comprehensive and Large-Scale Dataset for Integrated Argument Mining Tasks [59.457948080207174]
  本稿では,一連の議論マイニングタスクに適用可能なIAMという,包括的で大規模なデータセットを提案する。 データセットの70k近い文は、引数特性に基づいて完全に注釈付けされている。 議論準備プロセスに関連する2つの新しい統合された議論マイニングタスクを提案する。(1) 姿勢分類付きクレーム抽出(CESC)と(2) クレーム・エビデンス・ペア抽出(CEPE)である。
  論文  参考訳（メタデータ） (2022-03-23T08:07:32Z)
• A Simple Information-Based Approach to Unsupervised Domain-Adaptive Aspect-Based Sentiment Analysis [58.124424775536326]
  本稿では,相互情報に基づくシンプルだが効果的な手法を提案し,それらの用語を抽出する。 実験の結果,提案手法はクロスドメインABSAの最先端手法よりも4.32%高い性能を示した。
  論文  参考訳（メタデータ） (2022-01-29T10:18:07Z)
• Feature Recommendation for Structural Equation Model Discovery in Process Mining [0.0]
  本稿では,問題に影響を及ぼす可能性のある(集約された)特徴の集合を見つける方法を提案する。 提案手法をProMのプラグインとして実装し、2つの実・合成イベントログを用いて評価した。
  論文  参考訳（メタデータ） (2021-08-13T12:23:01Z)
• Extracting Semantic Process Information from the Natural Language in Event Logs [0.1827510863075184]
  本稿では、イベントデータの意味的役割ラベリングという手法を提案する。 この方法では,イベント毎に最大8つの意味的役割に関する情報を抽出する。
  論文  参考訳（メタデータ） (2021-03-06T08:39:04Z)
• Cross-Supervised Joint-Event-Extraction with Heterogeneous Information Networks [61.950353376870154]
  Joint-event- Extractは、トリガとエンティティのタグからなるタグセットを備えたシーケンスからシーケンスまでのラベリングタスクである。 トリガやエンティティの抽出を交互に監督するクロススーパーバイザードメカニズム(CSM)を提案する。 我々の手法は、エンティティとトリガー抽出の両方において最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2020-10-13T11:51:17Z)
• 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)

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。