論文の概要: Link Prediction for Event Logs in the Process Industry

• arxiv url: http://arxiv.org/abs/2508.09096v1
• Date: Tue, 12 Aug 2025 17:22:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-13 21:07:34.52391
• Title: Link Prediction for Event Logs in the Process Industry
• Title（参考訳）: プロセス産業におけるイベントログのリンク予測
• Authors: Anastasia Zhukova, Thomas Walton, Christian E. Matt, Bela Gipp,
• Abstract要約: Record Linking (RL) は、自然言語推論(NLI)と意味テキスト類似性(STS)によって強化されたクロスドキュメント・コア参照解決(CDCR)タスクである。 我々は、伝統的にニュースドメインに適用されるCDCRを、プロセス産業の特定のテキストフォーマットを調整しながら、NLIやSTSのような通過レベルで運用するために、RLモデルに適応する。 我々の研究は、推論能力によって強化された最先端CDCRモデルのドメイン適応が、プロセス産業に効果的に適合できることを示す。
• 参考スコア（独自算出の注目度）: 4.139846693958609
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Knowledge management (KM) is vital in the process industry for optimizing operations, ensuring safety, and enabling continuous improvement through effective use of operational data and past insights. A key challenge in this domain is the fragmented nature of event logs in shift books, where related records, e.g., entries documenting issues related to equipment or processes and the corresponding solutions, may remain disconnected. This fragmentation hinders the recommendation of previous solutions to the users. To address this problem, we investigate record linking (RL) as link prediction, commonly studied in graph-based machine learning, by framing it as a cross-document coreference resolution (CDCR) task enhanced with natural language inference (NLI) and semantic text similarity (STS) by shifting it into the causal inference (CI). We adapt CDCR, traditionally applied in the news domain, into an RL model to operate at the passage level, similar to NLI and STS, while accommodating the process industry's specific text formats, which contain unstructured text and structured record attributes. Our RL model outperformed the best versions of NLI- and STS-driven baselines by 28% (11.43 points) and 27% (11.21 points), respectively. Our work demonstrates how domain adaptation of the state-of-the-art CDCR models, enhanced with reasoning capabilities, can be effectively tailored to the process industry, improving data quality and connectivity in shift logs.
• Abstract（参考訳）: 知識管理(KM)は、オペレーションを最適化し、安全性を確保し、運用データと過去の洞察を効果的に活用することで継続的な改善を可能にするプロセス産業において不可欠である。 この領域における重要な課題は、シフトブックにおけるイベントログの断片化の性質であり、関連するレコード、例えば、機器やプロセスやそれに対応するソリューションに関する問題を文書化するエントリは、接続されていないままである。 この断片化は、ユーザに対する以前のソリューションの推奨を妨げる。 この問題に対処するために、自然言語推論(NLI)と意味テキスト類似性(STS)によって強化されたクロスドキュメントコア参照解決(CDCR)タスクと、それを因果推論(CI)に移行することで、グラフベースの機械学習でよく研究されるリンク予測としてレコードリンク(RL)を調査する。 我々は、伝統的にニュースドメインに適用されるCDCRを、NLIやSTSのような通過レベルで運用するためにRLモデルに適合させ、また、構造化されていないテキストと構造化されたレコード属性を含むプロセス業界の特定のテキストフォーマットを調整します。 我々のRLモデルは、NLI-とSTS-駆動ベースラインのベストバージョンを28%(11.43点)、27%(11.21点)で上回りました。 我々の研究は、最新のCDCRモデルのドメイン適応が、推論能力によって強化され、プロセス産業に効果的に適合し、シフトログにおけるデータ品質と接続性を改善する方法を示します。

関連論文リスト

• Automating AI Failure Tracking: Semantic Association of Reports in AI Incident Database [7.946359845249688]
  本稿では,既存のAIインシデントと新たなレポートの関連付けを自動化する検索ベースのフレームワークを提案する。 分析の結果,タイトルと記述を組み合わせることで,ランキングの精度が大幅に向上した。 私たちのアプローチは、AIIDのメンテナンスをサポートするためのスケーラブルで効率的なソリューションを提供します。
  論文  参考訳（メタデータ） (2025-07-31T15:48:12Z)
• Leveraging Machine Learning and Enhanced Parallelism Detection for BPMN Model Generation from Text [75.77648333476776]
  本稿では、テキストからBPMNモデルを抽出する自動パイプラインについて紹介する。 この研究の重要な貢献は、新たに注釈付けされたデータセットの導入である。 モデルトレーニング用の32のパラレルゲートウェイを含む15の注釈付き文書でデータセットを増強する。
  論文  参考訳（メタデータ） (2025-07-11T07:25:55Z)
• Argument-Centric Causal Intervention Method for Mitigating Bias in Cross-Document Event Coreference Resolution [12.185497507437555]
  クロスドキュメントイベント参照解決(CD-ECR)は、複数のドキュメントにまたがるイベントの言及が、同じ実世界の出来事を指すかどうかを判断する。 本稿ではArgument-Centric Causal Intervention(ACCI)に基づく新しい手法を提案する。 ACCIは、引き起こし語摂動の因果的影響を定量化する反ファクト的推論モジュールと、意味論的根拠のある情報に対する高い感度を促進するために、引数認識拡張モジュールを統合する。
  論文  参考訳（メタデータ） (2025-06-02T09:46:59Z)
• Log-Augmented Generation: Scaling Test-Time Reasoning with Reusable Computation [80.69067017594709]
  大規模言語モデル(LLM)とそのエージェントモデルは、以前のタスクからの推論を維持するのに苦労する。 本稿では,従来の計算を直接再利用し,テスト時に過去のログから推論する新しいフレームワークであるLAGを提案する。 本手法は,ログを使用しない標準的なエージェントシステムよりも優れている。
  論文  参考訳（メタデータ） (2025-05-20T14:14:38Z)
• Boosting CNN-based Handwriting Recognition Systems with Learnable Relaxation Labeling [48.78361527873024]
  本稿では,2つの異なる手法の強みを組み込んだ手書き文字認識手法を提案する。 本稿では,アルゴリズムの収束を加速し,システム全体の性能を向上させるスペーシフィケーション手法を提案する。
  論文  参考訳（メタデータ） (2024-09-09T15:12:28Z)
• CELA: Cost-Efficient Language Model Alignment for CTR Prediction [70.65910069412944]
  CTR(Click-Through Rate)予測は、レコメンダシステムにおいて最重要位置を占める。 最近の取り組みは、プレトレーニング言語モデル(PLM)を統合することでこれらの課題を緩和しようとしている。 CTR予測のためのtextbfCost-textbfEfficient textbfLanguage Model textbfAlignment (textbfCELA)を提案する。
  論文  参考訳（メタデータ） (2024-05-17T07:43:25Z)
• A Rationale-centric Counterfactual Data Augmentation Method for Cross-Document Event Coreference Resolution [29.34028569245905]
  構造因果モデル(SCM)を用いたベースラインECRシステムの意思決定過程を定式化する。 LLM-in-the-loop を用いた有理中心の反実データ拡張法を開発した。 提案手法は,3つのクロスドキュメント ECR ベンチマークの最先端性能を実現し,ドメイン外シナリオの堅牢性を実証する。
  論文  参考訳（メタデータ） (2024-04-02T13:15:07Z)
• Grounding Language Model with Chunking-Free In-Context Retrieval [27.316315081648572]
  本稿では,新しいチャンキングフリー・インコンテキスト(CFIC)検索手法を提案する。
  論文  参考訳（メタデータ） (2024-02-15T07:22:04Z)
• CoCoMoT: Conformance Checking of Multi-Perspective Processes via SMT (Extended Version) [62.96267257163426]
  我々はCoCoMoT(Computing Conformance Modulo Theories)フレームワークを紹介する。 まず、純粋な制御フロー設定で研究したSATベースのエンコーディングを、データ認識ケースに持ち上げる方法を示す。 次に,プロパティ保存型クラスタリングの概念に基づく新しい前処理手法を提案する。
  論文  参考訳（メタデータ） (2021-03-18T20:22:50Z)

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。