論文の概要: Predicting Case Suffixes With Activity Start and End Times: A Sweep-Line Based Approach
- arxiv url: http://arxiv.org/abs/2509.14536v1
- Date: Thu, 18 Sep 2025 02:01:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-19 17:26:53.022308
- Title: Predicting Case Suffixes With Activity Start and End Times: A Sweep-Line Based Approach
- Title（参考訳）: 活動開始時間と終了時間の予測用接尾辞:スイープラインに基づくアプローチ
- Authors: Muhammad Awais Ali, Marlon Dumas, Fredrik Milani,
- Abstract要約: 本稿では,開始と終了のタイムスタンプによるアクティビティからなるケースサフィックスの予測手法を提案する。
提案手法は,各アクティビティの待ち時間と処理時間の両方を予測する。
実生活および合成データセットの評価は、このアプローチの異なるインスタンス化の精度を比較する。
- 参考スコア（独自算出の注目度）: 0.35684665108045377
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Predictive process monitoring techniques support the operational decision making by predicting future states of ongoing cases of a business process. A subset of these techniques predict the remaining sequence of activities of an ongoing case (case suffix prediction). Existing approaches for case suffix prediction generate sequences of activities with a single timestamp (e.g. the end timestamp). This output is insufficient for resource capacity planning, where we need to reason about the periods of time when resources will be busy performing work. This paper introduces a technique for predicting case suffixes consisting of activities with start and end timestamps. In other words, the proposed technique predicts both the waiting time and the processing time of each activity. Since the waiting time of an activity in a case depends on how busy resources are in other cases, the technique adopts a sweep-line approach, wherein the suffixes of all ongoing cases in the process are predicted in lockstep, rather than predictions being made for each case in isolation. An evaluation on real-life and synthetic datasets compares the accuracy of different instantiations of this approach, demonstrating the advantages of a multi-model approach to case suffix prediction.
- Abstract（参考訳）: 予測プロセス監視技術は、ビジネスプロセスの進行中のケースの将来の状態を予測することによって、運用上の意思決定を支援する。
これらの手法のサブセットは、継続するケースの残りのアクティビティのシーケンスを予測する(ケース接尾辞予測)。
既存のサフィックス予測のアプローチでは、単一のタイムスタンプ(例えば、エンドタイムスタンプ)でアクティビティのシーケンスを生成する。
このアウトプットは、リソースのキャパシティプランニングには不十分です。
本稿では,開始と終了のタイムスタンプによるアクティビティからなるケースサフィックスの予測手法を提案する。
言い換えれば、提案手法は各アクティビティの待ち時間と処理時間の両方を予測する。
ケース内のアクティビティの待ち時間は、他のケースにおけるリソースの多忙さに依存するため、このテクニックはスイープラインアプローチを採用し、各ケースに対して個別に行われる予測ではなく、プロセス中のすべての進行中のケースのサフィックスをロックステップで予測する。
実生活および合成データセットの評価は、このアプローチの異なるインスタンス化の精度を比較し、ケースサフィックス予測に対するマルチモデルアプローチの利点を実証する。
関連論文リスト
- Enhancing the Accuracy of Predictors of Activity Sequences of Business
Processes [0.9668407688201361]
ケースサフィックスの予測は、リソーススケジュールの異なる短期的なワークロードと実行時間を見積もる入力を提供する。
この問題に対処する既存の方法は、いくつかのアクティビティが何度も繰り返される接尾辞を生成することが多いが、このパターンはデータでは観測されない。
本稿では,予測された症例接尾辞における活動の繰り返しを軽減するためのサンプリング手法を提案する。
論文 参考訳（メタデータ） (2023-12-09T12:16:58Z) - Improving Event Time Prediction by Learning to Partition the Event Time
Space [13.5391816206237]
最近開発された生存分析法は, 未特定時間間隔のそれぞれの事象発生確率を予測し, 既存手法を改良した。
限られた利用可能なデータを持つ臨床環境では、手前の予測タスクに適した限られた間隔にイベント時間空間を散発的に分割することが好ましい。
2つのシミュレーションデータセットにおいて、基礎となる生成モデルと一致する間隔を復元できることが示される。
次に,新たに調和した脳卒中リスク予測データセットを含む実世界の3つの観測データに対して,予測性能の向上を示す。
論文 参考訳（メタデータ） (2023-10-24T14:11:40Z) - A Discussion on Generalization in Next-Activity Prediction [1.2289361708127877]
一般的に使用されるイベントログには、膨大な量のサンプルリークがあることが示されています。
我々は、ロバストな評価を設計するには、次の活動予測のトピックとより深い概念的関与が必要であると論じる。
論文 参考訳（メタデータ） (2023-09-18T09:42:36Z) - Sinkhorn-Flow: Predicting Probability Mass Flow in Dynamical Systems
Using Optimal Transport [89.61692654941106]
そこで本稿では, 最適な輸送手段を用いて, 時間とともにそのような物質流を予測する新しい手法を提案する。
我々は、ソーシャルネットワークの設定において、コミュニティがどのように進化していくかを予測するタスクに、我々のアプローチを適用した。
論文 参考訳（メタデータ） (2023-03-14T07:25:44Z) - Encoder-Decoder Model for Suffix Prediction in Predictive Monitoring [0.0]
接尾辞予測問題に対するほとんどのアプローチは、次の活動のみを予測する方法を学ぶことによって接尾辞を予測することを学ぶ。
本稿では,プレフィックスの表現学習を推論フェーズから分離するアテンション機構を備えたエンコーダ・デコーダモデルに基づく新しいアーキテクチャを提案する。
論文 参考訳（メタデータ） (2022-11-29T11:27:29Z) - Towards Out-of-Distribution Sequential Event Prediction: A Causal
Treatment [72.50906475214457]
シーケンシャルなイベント予測の目標は、一連の歴史的なイベントに基づいて次のイベントを見積もることである。
実際には、次のイベント予測モデルは、一度に収集されたシーケンシャルなデータで訓練される。
文脈固有の表現を学習するための階層的な分岐構造を持つフレームワークを提案する。
論文 参考訳（メタデータ） (2022-10-24T07:54:13Z) - Active Sampling of Multiple Sources for Sequential Estimation [92.37271004438406]
本研究の目的は,パラメータを逐次推定するアクティブサンプリングアルゴリズムを設計し,信頼性の高い推定値を生成することである。
本稿では, エンフ条件推定コスト関数を導入し, 最近, トラクタブル解析を施した逐次推定手法を提案する。
論文 参考訳（メタデータ） (2022-08-10T15:58:05Z) - Process Model Forecasting Using Time Series Analysis of Event Sequence
Data [0.23099144596725568]
過去のイベントデータからプロセスモデル全体を予測する手法を開発しています。
本実装は,実世界のイベントログデータに対する手法の精度を示す。
論文 参考訳（メタデータ） (2021-05-03T18:00:27Z) - Video Prediction via Example Guidance [156.08546987158616]
ビデオ予測タスクでは、将来のコンテンツとダイナミクスのマルチモーダルな性質を捉えることが大きな課題である。
本研究では,有効な将来状態の予測を効果的に行うための,シンプルで効果的なフレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-03T14:57:24Z) - Counterfactual Predictions under Runtime Confounding [74.90756694584839]
本研究は, 過去のデータからすべての関連要因を抽出した環境で, 事実予測タスクについて検討する。
本稿では,この環境下での対実予測モデル学習のための2次ロバスト手法を提案する。
論文 参考訳（メタデータ） (2020-06-30T15:49:05Z) - Ambiguity in Sequential Data: Predicting Uncertain Futures with
Recurrent Models [110.82452096672182]
逐次データによる曖昧な予測を扱うために,Multiple hypothesis Prediction(MHP)モデルの拡張を提案する。
また、不確実性を考慮するのに適した曖昧な問題に対する新しい尺度も導入する。
論文 参考訳（メタデータ） (2020-03-10T09:15:42Z)
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。