Fugu-MT 論文翻訳(概要): Efficient Conformance Checking of Rich Data-Aware Declare Specifications (Extended)

論文の概要: Efficient Conformance Checking of Rich Data-Aware Declare Specifications (Extended)

arxiv url: http://arxiv.org/abs/2507.00094v1
Date: Mon, 30 Jun 2025 10:16:21 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-03 14:22:58.430614
Title: Efficient Conformance Checking of Rich Data-Aware Declare Specifications (Extended)
Title（参考訳）: リッチデータ認識Declare仕様の効率的な整合性チェック(拡張)
Authors: Jacobo Casas-Ramos, Sarah Winkler, Alessandro Gianola, Marco Montali, Manuel Mucientes, Manuel Lama,
Abstract要約: 一般的なデータ型やデータ条件とリッチな設定で,データを考慮した最適アライメントを計算可能であることを示す。これは、制御フローとデータ依存関係を扱うために、よく知られた2つのアプローチを慎重に組み合わせることで達成される。
参考スコア（独自算出の注目度）: 49.46686813437884
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Despite growing interest in process analysis and mining for data-aware specifications, alignment-based conformance checking for declarative process models has focused on pure control-flow specifications, or mild data-aware extensions limited to numerical data and variable-to-constant comparisons. This is not surprising: finding alignments is computationally hard, even more so in the presence of data dependencies. In this paper, we challenge this problem in the case where the reference model is captured using data-aware Declare with general data types and data conditions. We show that, unexpectedly, it is possible to compute data-aware optimal alignments in this rich setting, enjoying at once efficiency and expressiveness. This is achieved by carefully combining the two best-known approaches to deal with control flow and data dependencies when computing alignments, namely A* search and SMT solving. Specifically, we introduce a novel algorithmic technique that efficiently explores the search space, generating descendant states through the application of repair actions aiming at incrementally resolving constraint violations. We prove the correctness of our algorithm and experimentally show its efficiency. The evaluation witnesses that our approach matches or surpasses the performance of the state of the art while also supporting significantly more expressive data dependencies, showcasing its potential to support real-world applications.
Abstract（参考訳）: データ対応仕様のプロセス分析とマイニングへの関心が高まっているにもかかわらず、宣言型プロセスモデルのアライメントベースの適合性チェックは、純粋な制御フロー仕様、あるいは数値データと変数間比較に限定した軽度なデータ対応拡張に焦点を当てている。さらにデータ依存の存在下では、アライメントの発見が計算的に難しいのです。本稿では,一般的なデータ型とデータ条件を持つデータ認識宣言を用いて参照モデルをキャプチャする場合に,この問題に対処する。意外なことに、このリッチな設定でデータ認識の最適アライメントを計算し、一度に効率と表現性を楽しむことが可能であることを示す。これは、制御フローとデータ依存関係を扱うための2つのよく知られたアプローチ、すなわちA*検索とSMT解決を慎重に組み合わせることによって達成される。具体的には、探索空間を効率的に探索し、制約違反を漸進的に解決することを目的とした補修行動の適用により、子孫状態を生成する新しいアルゴリズム手法を提案する。我々はアルゴリズムの正しさを証明し、その効率を実験的に示す。評価では、我々のアプローチが最先端のパフォーマンスと一致しているか、上回っているのを目撃し、さらに表現力のあるデータ依存をサポートし、現実世界のアプリケーションをサポートする可能性を示している。

論文の概要: Efficient Conformance Checking of Rich Data-Aware Declare Specifications (Extended)

関連論文リスト