論文の概要: The WHY in Business Processes: Unification of Causal Process Models

• arxiv url: http://arxiv.org/abs/2505.22871v1
• Date: Wed, 28 May 2025 21:12:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-30 18:14:07.543757
• Title: The WHY in Business Processes: Unification of Causal Process Models
• Title（参考訳）: ビジネスプロセスにおけるWHY - 因果プロセスモデルの統合
• Authors: Yuval David, Fabiana Fournier, Lior Limonad, Inna Skarbovsky,
• Abstract要約: 因果推論はビジネスプロセスの介入と改善に不可欠です。 本稿では,複数の因果過程の変種を一貫したモデルに統一する新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 2.0811729303868005
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Causal reasoning is essential for business process interventions and improvement, requiring a clear understanding of causal relationships among activity execution times in an event log. Recent work introduced a method for discovering causal process models but lacked the ability to capture alternating causal conditions across multiple variants. This raises the challenges of handling missing values and expressing the alternating conditions among log splits when blending traces with varying activities. We propose a novel method to unify multiple causal process variants into a consistent model that preserves the correctness of the original causal models, while explicitly representing their causal-flow alternations. The method is formally defined, proved, evaluated on three open and two proprietary datasets, and released as an open-source implementation.
• Abstract（参考訳）: 因果推論はビジネスプロセスの介入と改善に不可欠であり、イベントログにおけるアクティビティ実行時間間の因果関係を明確に理解する必要がある。 最近の研究は因果過程モデルを発見する方法を導入したが、複数の変種にまたがる交互因果条件を捉える能力に欠けていた。 これにより、欠落した値の処理や、トレースとさまざまなアクティビティをブレンドする場合のログ分割間の交互条件の表現といった課題が提起される。 本稿では,複数の因果過程の変種を,原因果モデルの正しさを保った一貫したモデルに統一する手法を提案する。 この方法は公式に定義され、証明され、3つのオープンデータセットと2つのプロプライエタリデータセットで評価され、オープンソース実装としてリリースされている。

関連論文リスト

• On the Identification of Temporally Causal Representation with Instantaneous Dependence [50.14432597910128]
  時間的因果表現学習は時系列観測から潜在因果過程を特定することを目的としている。 ほとんどの方法は、潜在因果過程が即時関係を持たないという仮定を必要とする。 我々は,インスタントtextbfOus textbfLatent dynamics のための textbfIDentification フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-24T08:08:05Z)
• Detecting Anomalous Events in Object-centric Business Processes via Graph Neural Networks [55.583478485027]
  本研究では,ビジネスプロセスにおける異常検出のための新しいフレームワークを提案する。 まず、属性グラフとしてオブジェクト中心のイベントログのプロセス依存性を再構築する。 次に、異常事象を検出するために、グラフ畳み込みオートエンコーダアーキテクチャを用いる。
  論文  参考訳（メタデータ） (2024-02-14T14:17:56Z)
• The WHY in Business Processes: Discovery of Causal Execution Dependencies [2.0811729303868005]
  プロセスアクティビティの実行間の因果関係を明らかにすることは、プロセス介入の結果を予測する重要な要素である。 この研究は、既存の因果発見アルゴリズムを活動タイミングよりも活用することにより、因果ビジネスプロセスの公開に対する体系的なアプローチを提供する。 本手法は,3つの因果パターンの文脈における2つのモデル間の相違を探索し,これらの不整合がマイニングプロセスモデル上で注釈付けされるという新たな視点を導出する。
  論文  参考訳（メタデータ） (2023-10-23T14:23:15Z)
• Diffusion Action Segmentation [63.061058214427085]
  本稿では,このような反復的洗練の本質的な精神を共用した拡散モデルによる新しい枠組みを提案する。 このフレームワークでは、入力された映像の特徴を条件としてランダムノイズから行動予測を反復的に生成する。
  論文  参考訳（メタデータ） (2023-03-31T10:53:24Z)
• Exploring Business Process Deviance with Sequential and Declarative Patterns [3.039637436705478]
  分散マイニングは、ビジネスプロセスの実行をサポートするシステムによって格納されたイベントログを分析して、デファイナント実行の理由を明らかにすることに関心がある。 ビジネスプロセスにおける逸脱を説明する問題は、まず、逐次的および宣言的パターンに基づいた特徴を用いて検討する。 それらの説明は、ルール誘導のための直接的および間接的な方法によって抽出される。
  論文  参考訳（メタデータ） (2021-11-24T12:16:07Z)
• Estimation of Bivariate Structural Causal Models by Variational Gaussian Process Regression Under Likelihoods Parametrised by Normalising Flows [74.85071867225533]
  因果機構は構造因果モデルによって記述できる。 最先端の人工知能の大きな欠点の1つは、説明責任の欠如である。
  論文  参考訳（メタデータ） (2021-09-06T14:52:58Z)
• Automated Repair of Process Models with Non-Local Constraints Using State-Based Region Theory [0.19499120576896226]
  最先端プロセス発見手法は、イベントログから自由選択プロセスモデルを構築する。 本研究では,非自由選択構造を地域的手法で探索し,非自由選択構造を付加することで自由選択過程モデルを改善する手法を提案する。
  論文  参考訳（メタデータ） (2021-06-26T21:14:04Z)

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。