論文の概要: Combining Abstract Argumentation and Machine Learning for Efficiently Analyzing Low-Level Process Event Streams
- arxiv url: http://arxiv.org/abs/2505.05880v1
- Date: Fri, 09 May 2025 08:45:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-12 20:40:10.208026
- Title: Combining Abstract Argumentation and Machine Learning for Efficiently Analyzing Low-Level Process Event Streams
- Title（参考訳）: 低レベルプロセスイベントストリームを効率的に分析するための抽象論と機械学習を組み合わせる
- Authors: Bettina Fazzinga, Sergio Flesca, Filippo Furfaro, Luigi Pontieri, Francesco Scala,
- Abstract要約: 本稿では,解釈問題に対するデータ/計算効率のよいニューロシンボリックアプローチを提案する。
グリーンAIソリューションの急激な開発の必要性を考えると,この問題に対するデータ/計算効率の高いニューロシンボリックアプローチを提案する。
- 参考スコア（独自算出の注目度）: 18.821902752237204
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Monitoring and analyzing process traces is a critical task for modern companies and organizations. In scenarios where there is a gap between trace events and reference business activities, this entails an interpretation problem, amounting to translating each event of any ongoing trace into the corresponding step of the activity instance. Building on a recent approach that frames the interpretation problem as an acceptance problem within an Abstract Argumentation Framework (AAF), one can elegantly analyze plausible event interpretations (possibly in an aggregated form), as well as offer explanations for those that conflict with prior process knowledge. Since, in settings where event-to-activity mapping is highly uncertain (or simply under-specified) this reasoning-based approach may yield lowly-informative results and heavy computation, one can think of discovering a sequencetagging model, trained to suggest highly-probable candidate event interpretations in a context-aware way. However, training such a model optimally may require using a large amount of manually-annotated example traces. Considering the urgent need of developing Green AI solutions enabling environmental and societal sustainability (with reduced labor/computational costs and carbon footprint), we propose a data/computation-efficient neuro-symbolic approach to the problem, where the candidate interpretations returned by the example-driven sequence tagger is refined by the AAF-based reasoner. This allows us to also leverage prior knowledge to compensate for the scarcity of example data, as confirmed by experimental results; clearly, this property is particularly useful in settings where data annotation and model optimization costs are subject to stringent constraints.
- Abstract（参考訳）: プロセストレースの監視と分析は、現代企業や組織にとって重要なタスクです。
トレースイベントと参照ビジネスアクティビティの間にギャップがある場合、これは解釈問題を伴い、継続中のトレースの各イベントをアクティビティインスタンスの対応するステップに変換する。
AAF(Abstract Argumentation Framework)において、解釈問題を受け入れ問題としてフレーム化している最近のアプローチに基づいて、(おそらくは集約された形式で)妥当なイベント解釈をエレガントに分析し、事前のプロセス知識と矛盾する人々に対する説明を提供することができる。
イベント・ツー・アクティビティ・マッピングが極めて不確実(あるいは単に不特定)な環境では、この推論に基づくアプローチは低情報量な結果と重い計算をもたらす可能性があるため、文脈認識的な方法で高い確率の候補イベント解釈を提案するように訓練されたシーケンスタギングモデルを発見することを考えればよい。
しかし、そのようなモデルを最適に訓練するには、大量の手動で注釈付けされたサンプルトレースを使用する必要がある。
環境と社会の持続可能性(労働・計算コストと炭素フットプリントの削減)を実現するグリーンAIソリューションの開発が急務であることを考慮し,この問題に対するデータ/計算効率のよいニューロシンボリックアプローチを提案する。
これにより、事前の知識を活用してサンプルデータの不足を補うことも可能になります。明らかに、データアノテーションやモデル最適化コストが厳しい制約を受けるような環境では、この特性が特に有用です。
関連論文リスト
- Learning Task Representations from In-Context Learning [73.72066284711462]
大規模言語モデル(LLM)は、文脈内学習において顕著な習熟性を示している。
ICLプロンプトにおけるタスク情報をアテンションヘッドの関数として符号化するための自動定式化を導入する。
提案手法の有効性は,最後の隠れ状態の分布と最適に実行されたテキスト内学習モデルとの整合性に起因していることを示す。
論文 参考訳（メタデータ） (2025-02-08T00:16:44Z) - On the Loss of Context-awareness in General Instruction Fine-tuning [101.03941308894191]
教師付き微調整後の文脈認識の喪失について検討した。
性能低下は,会話指導の微調整中に学んだ異なる役割に対する偏見と関連していることがわかった。
一般命令微調整データセットから文脈依存例を識別する指標を提案する。
論文 参考訳（メタデータ） (2024-11-05T00:16:01Z) - Generating Feasible and Plausible Counterfactual Explanations for Outcome Prediction of Business Processes [45.502284864662585]
データ駆動型アプローチであるREVISEDplusを導入し、妥当な対実的説明を生成する。
まず, プロセスデータの高密度領域内に存在する反ファクトデータを生成するために, 反ファクトアルゴリズムを限定する。
また、プロセスケースにおけるアクティビティ間のシーケンシャルなパターンを学習することで、妥当性を保証します。
論文 参考訳（メタデータ） (2024-03-14T09:56:35Z) - Disentangled Representation Learning with Transmitted Information Bottleneck [57.22757813140418]
textbfDisTIB (textbfTransmitted textbfInformation textbfBottleneck for textbfDisd representation learning) は情報圧縮と保存のバランスを保った新しい目的である。
論文 参考訳（メタデータ） (2023-11-03T03:18:40Z) - Learning How to Infer Partial MDPs for In-Context Adaptation and
Exploration [17.27164535440641]
後方サンプリングは有望なアプローチであるが、ベイズ推論と動的プログラミングが必要である。
部分モデルが環境から関連する情報を除外したとしても、良い政策につながることは明らかである。
論文 参考訳（メタデータ） (2023-02-08T18:35:24Z) - Referring Expressions with Rational Speech Act Framework: A
Probabilistic Approach [2.1425861443122383]
本稿では,複雑な視覚シーンにおけるオブジェクトの抽出を目的とした参照表現生成(REG)タスクについて述べる。
最近のREGシステムは、話者/リスナーエージェントを表現するためにディープラーニングアプローチを使用している。
本稿では、確率的RSAフレームワークとディープラーニングアプローチを組み合わせて、複雑な視覚シーンを含む大規模データセットに適用する。
論文 参考訳（メタデータ） (2022-05-16T16:37:50Z) - Explainability in Process Outcome Prediction: Guidelines to Obtain
Interpretable and Faithful Models [77.34726150561087]
本稿では、プロセス結果予測の分野における説明可能性モデルと説明可能性モデルの忠実性を通して、説明可能性を定義する。
本稿では,イベントログの仕様に基づいて適切なモデルを選択することのできる,X-MOPというガイドラインのセットを提案する。
論文 参考訳（メタデータ） (2022-03-30T05:59:50Z) - Competency Problems: On Finding and Removing Artifacts in Language Data [50.09608320112584]
複雑な言語理解タスクでは、すべての単純な特徴相関が突発的であると論じる。
人間バイアスを考慮したコンピテンシー問題に対するデータ作成の難しさを理論的に分析します。
論文 参考訳（メタデータ） (2021-04-17T21:34:10Z) - Cause vs. Effect in Context-Sensitive Prediction of Business Process
Instances [0.440401067183266]
本稿では、次の事象の原因または影響のコンテキストの問題と、次の事象の予測への影響について論じる。
確率モデルに関する従来の研究を活用し、動的ベイズネットワーク技術を開発した。
本稿では,本手法を2つの実生活データセットを用いて評価し,予測プロセス監視分野の他の手法とベンチマークする。
論文 参考訳（メタデータ） (2020-07-15T08:58:15Z) - An Information Bottleneck Approach for Controlling Conciseness in
Rationale Extraction [84.49035467829819]
我々は,情報ボトルネック(IB)の目的を最適化することで,このトレードオフをよりよく管理できることを示す。
我々の完全教師なしのアプローチは、文上のスパース二項マスクを予測する説明器と、抽出された合理性のみを考慮したエンドタスク予測器を共同で学習する。
論文 参考訳（メタデータ） (2020-05-01T23:26:41Z)
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。