論文の概要: Stochastic Alignments: Matching an Observed Trace to Stochastic Process Models

• arxiv url: http://arxiv.org/abs/2507.06472v1
• Date: Wed, 09 Jul 2025 01:20:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-10 17:37:43.432298
• Title: Stochastic Alignments: Matching an Observed Trace to Stochastic Process Models
• Title（参考訳）: 確率的アライメント:観測されたトレースと確率的プロセスモデルとのマッチング
• Authors: Tian Li, Artem Polyvyanyy, Sander J. J. Leemans,
• Abstract要約: プロセスモデルに観測されたトレースをマッチングする問題について,そのトレースに対する編集距離が低い可能性のあるモデルパスを特定することによって検討する。 当社のオープンソース実装は、このアプローチの実現可能性を示し、新たな有用な診断洞察をアナリストに提供できることを示しています。
• 参考スコア（独自算出の注目度）: 6.757160484361399
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Process mining leverages event data extracted from IT systems to generate insights into the business processes of organizations. Such insights benefit from explicitly considering the frequency of behavior in business processes, which is captured by stochastic process models. Given an observed trace and a stochastic process model, conventional alignment-based conformance checking techniques face a fundamental limitation: They prioritize matching the trace to a model path with minimal deviations, which may, however, lead to selecting an unlikely path. In this paper, we study the problem of matching an observed trace to a stochastic process model by identifying a likely model path with a low edit distance to the trace. We phrase this as an optimization problem and develop a heuristic-guided path-finding algorithm to solve it. Our open-source implementation demonstrates the feasibility of the approach and shows that it can provide new, useful diagnostic insights for analysts.
• Abstract（参考訳）: プロセスマイニングは、ITシステムから抽出されたイベントデータを活用して、組織のビジネスプロセスに関する洞察を生成する。 このような洞察は、確率的プロセスモデルによって捉えられるビジネスプロセスの振る舞いの頻度を明示的に考慮することの恩恵を受ける。 観測されたトレースと確率的プロセスモデルが与えられた場合、従来のアライメントベースの適合性検査手法は、基本的な制限に直面している。 本稿では,観測されたトレースを確率過程モデルにマッチングする問題について,そのトレースに対する編集距離が低い可能性のあるモデルパスを特定することによって検討する。 我々はこれを最適化問題と表現し、それを解くためのヒューリスティック誘導パスフィニングアルゴリズムを開発する。 当社のオープンソース実装は、このアプローチの実現可能性を示し、新たな有用な診断洞察をアナリストに提供できることを示しています。

関連論文リスト

• Model-driven Stochastic Trace Clustering [5.373182035720355]
  プロセス発見アルゴリズムは、イベントログからプロセスモデルを自動的に抽出する。 高い可変性は、しばしば複雑で理解しにくいモデルをもたらす。 モデル駆動のトレースクラスタリングは、クラスタ固有のプロセスモデルへの適合性に基づいて、トレースをクラスタに割り当てることで、これを改善する。
  論文  参考訳（メタデータ） (2025-06-30T12:18:26Z)
• BRiTE: Bootstrapping Reinforced Thinking Process to Enhance Language Model Reasoning [78.63421517563056]
  大規模言語モデル(LLM)は複雑な推論タスクにおいて顕著な機能を示した。 本稿では,新しいグラフィカルモデルを用いてLLM推論を定式化する統一確率的フレームワークを提案する。 本稿では,Bootstrapping Reinforced Thinking Process (BRiTE)アルゴリズムについて述べる。
  論文  参考訳（メタデータ） (2025-01-31T02:39:07Z)
• Pattern based learning and optimisation through pricing for bin packing problem [50.83768979636913]
  確率変数の分布のような問題条件が変化すると、以前の状況でうまく機能するパターンはより効果的になるかもしれないと論じる。 本研究では,パターンを効率的に同定し,各条件に対する値の動的定量化を行う新しい手法を提案する。 本手法は,制約を満たす能力と目的値に対する影響に基づいて,パターンの値の定量化を行う。
  論文  参考訳（メタデータ） (2024-08-27T17:03:48Z)
• Model-Free Active Exploration in Reinforcement Learning [53.786439742572995]
  強化学習における探索問題について検討し,新しいモデルフリーソリューションを提案する。 我々の戦略は、最先端の探査アプローチよりも高速に効率的な政策を特定できる。
  論文  参考訳（メタデータ） (2024-06-30T19:00:49Z)
• Multi-objective Binary Differential Approach with Parameter Tuning for Discovering Business Process Models: MoD-ProM [2.3423913554158653]
  本稿では,プロセス発見のための多目的フレームワークにおけるバイナリ微分進化手法について考察する。 提案手法により生成されたプロセスモデルは、最先端のアルゴリズムで生成されたプロセスよりも優れているか、少なくとも優れていることが示されている。
  論文  参考訳（メタデータ） (2024-06-25T16:53:55Z)
• Mining a Minimal Set of Behavioral Patterns using Incremental Evaluation [3.16536213610547]
  行動パターンマイニングへの既存のアプローチには2つの制限がある。 まず、インクリメンタルな計算がパターン候補の生成にのみ組み込まれるため、スケーラビリティが制限される。 第二に、マイニングされたパターンに基づくプロセス分析は、実用的なアプリケーションシナリオで得られるパターンが圧倒的に多いため、限られた効果しか示さない。
  論文  参考訳（メタデータ） (2024-02-05T11:41:37Z)
• 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)
• Enjoy the Silence: Analysis of Stochastic Petri Nets with Silent Transitions [4.163635746713724]
  プロセス内で意思決定を行う際に、非決定論がどのように解決されるのかを定量的に理解するには、ビジネスおよび作業プロセスにおける振る舞いのキャプチャが不可欠である。 これはプロセスマイニングにおいて特に関心があり、プロセスの実際の実行を追跡するイベントデータがプロセスモデルと関連している。 ペトリネットの変数はこのための自然な公式な基礎を提供するが、それらは(おそらく重複した)アクティビティとラベル付けされ、サイレント遷移を備える必要がある。 これらの分析タスクは解析的に解決可能であることを示し、特に、自動制御技術を組み合わせてLSP内の関心の振る舞いを抽出する1つの方法に還元する。
  論文  参考訳（メタデータ） (2023-06-10T07:57:24Z)
• Planning with Diffusion for Flexible Behavior Synthesis [125.24438991142573]
  我々は、できるだけ多くの軌道最適化パイプラインをモデリング問題に折り畳むことがどう見えるか検討する。 我々の技術的アプローチの核心は、軌道を反復的にデノベーションすることで計画する拡散確率モデルにある。
  論文  参考訳（メタデータ） (2022-05-20T07:02:03Z)
• On Contrastive Representations of Stochastic Processes [53.21653429290478]
  プロセスの表現を学習することは、機械学習の新たな問題である。 本手法は,周期関数,3次元オブジェクト,動的プロセスの表現の学習に有効であることを示す。
  論文  参考訳（メタデータ） (2021-06-18T11:00:24Z)
• Control as Hybrid Inference [62.997667081978825]
  本稿では、反復推論と償却推論のバランスを自然に仲介するCHIの実装について述べる。 連続的な制御ベンチマークでアルゴリズムのスケーラビリティを検証し、強力なモデルフリーおよびモデルベースラインを上回る性能を示す。
  論文  参考訳（メタデータ） (2020-07-11T19:44:09Z)

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。