論文の概要: Integrating Wearable Data into Process Mining: Event, Case and Activity Enrichment

• arxiv url: http://arxiv.org/abs/2512.05203v1
• Date: Thu, 04 Dec 2025 19:15:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-13 22:40:56.782993
• Title: Integrating Wearable Data into Process Mining: Event, Case and Activity Enrichment
• Title（参考訳）: ウェアラブルデータをプロセスマイニングに統合する:イベント、ケース、アクティビティの強化
• Authors: Vinicius Stein Dani, Xixi Lu, Iris Beerepoot,
• Abstract要約: ウェアラブルデバイスのデータによるイベントログの充実について検討する。 私たちは、ある人の実世界データを使用し、スマートウォッチの健康データとデジタルカレンダーアプリケーションから抽出されたイベントとをマッチングします。
• 参考スコア（独自算出の注目度）: 0.3441021278275805
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this short paper, we explore the enrichment of event logs with data from wearable devices. We discuss three approaches: (1) treating wearable data as event attributes, linking them directly to individual events, (2) treating wearable data as case attributes, using aggregated day-level scores, and (3) introducing new events derived from wearable data, such as sleep episodes or physical activities. To illustrate these approaches, we use real-world data from one person, matching health data from a smartwatch with events extracted from a digital calendar application. Finally, we discuss the technical and conceptual challenges involved in integrating wearable data into process mining for personal productivity and well-being.
• Abstract（参考訳）: 本稿では,ウェアラブル端末のデータを用いたイベントログの充実について検討する。 本稿では,(1) ウェアラブルデータをイベント属性として扱うこと,(2) 個々のイベントに直接関連付けること,(2) ウェアラブルデータをケース属性として扱うこと,(3) 睡眠エピソードや身体活動などのウェアラブルデータから新たなイベントを導入すること,の3つのアプローチについて議論する。 これらのアプローチを説明するために、スマートウォッチの健康データとデジタルカレンダアプリケーションから抽出したイベントとをマッチングして、ある人物の実際のデータを使用する。 最後に、個人の生産性と幸福のために、ウェアラブルデータをプロセスマイニングに統合する際の技術的および概念的な課題について論じる。

関連論文リスト

• ControlEvents: Controllable Synthesis of Event Camera Datawith Foundational Prior from Image Diffusion Models [61.17744115607788]
  本稿では,多様な制御信号によって誘導される高品質なイベントデータを合成するために,拡散に基づく生成モデルを提案する。 視覚認識, 2次元骨格推定, 3次元身体ポーズ推定のためのイベントデータを合成することで, 本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2025-09-26T19:22:07Z)
• Consistency Based Weakly Self-Supervised Learning for Human Activity Recognition with Wearables [1.565361244756411]
  センサデータから人間の活動を認識するための弱自己教師型アプローチについて述べる。 提案手法は, クラスタリングアルゴリズムが, 基礎となる人間の行動を特定し, 分類する上で, 同等のパフォーマンスを達成するのに有効であることを示す。
  論文  参考訳（メタデータ） (2024-07-29T06:29:21Z)
• Double Mixture: Towards Continual Event Detection from Speech [60.33088725100812]
  音声イベント検出は、セマンティックイベントと音響イベントの両方のタグ付けを含むマルチメディア検索に不可欠である。 本稿では, 音声イベント検出における主な課題として, 過去の出来事を忘れることなく新たな事象を連続的に統合すること, 音響イベントからの意味のゆがみについて述べる。 本稿では,適応性を向上し,忘れることを防止するために,音声の専門知識と堅牢な記憶機構を融合する新しい手法「ダブルミキチャー」を提案する。
  論文  参考訳（メタデータ） (2024-04-20T06:32:00Z)
• MAVEN-Arg: Completing the Puzzle of All-in-One Event Understanding Dataset with Event Argument Annotation [104.6065882758648]
  MAVEN-Argは、イベント検出、イベント引数抽出、イベント関係抽出をサポートする最初のオールインワンデータセットである。 EAEベンチマークでは、(1)162のイベントタイプと612の引数ロールをカバーする包括的なスキーマ、(2)98,591のイベントと290,613の引数を含む大規模なデータスケール、(3)EAEのすべてのタスク変種をサポートする包括的なアノテーションの3つの利点がある。
  論文  参考訳（メタデータ） (2023-11-15T16:52:14Z)
• A Framework for Extracting and Encoding Features from Object-Centric Event Data [0.36748639131154304]
  本稿では,オブジェクト中心のイベントデータから特徴を抽出し,符号化するフレームワークを提案する。 オブジェクト中心のイベントデータの特徴を計算し、正確な測定結果を得る。 我々は、予測ユースケースにおいて、オブジェクト中心の特徴とシーケンシャルおよびグラフベースエンコーディングの構造の両方の有用性を示すために、説明可能なAIを使用する。
  論文  参考訳（メタデータ） (2022-09-02T16:49:47Z)
• Learning Temporal Rules from Noisy Timeseries Data [72.93572292157593]
  我々は、ノイズのある時間的データ設定内で複合イベントにつながる基礎となる原子イベントとその関係を明らかにすることに注力する。 本稿では、まず原子イベント間の暗黙的な時間的関係を学習し、その後、制御のための論理規則を引き上げるニューラル時間論理プログラミング(Neural Temporal Logic Programming:Neural TLP)を提案する。
  論文  参考訳（メタデータ） (2022-02-11T01:29:02Z)
• Robust Event Classification Using Imperfect Real-world PMU Data [58.26737360525643]
  本研究では,不完全な実世界のファサー計測単位(PMU)データを用いて,ロバストな事象分類について検討する。 我々は、堅牢なイベント分類器を訓練するための新しい機械学習フレームワークを開発する。
  論文  参考訳（メタデータ） (2021-10-19T17:41:43Z)
• EventPoint: Self-Supervised Local Descriptor Learning for Event Cameras [2.3300629798610446]
  本研究では,イベントポイントと呼ばれるフレームベースのイベントデータに基づいて,自己教師付き学習手法を用いて,イントレストポイントとディスクリプタを抽出する手法を提案する。 提案した自己教師型学習手法を用いて、実際のイベント形式の駆動データセットに基づいてモデルをトレーニングし、イベントデータの特徴を十分に考慮する。
  論文  参考訳（メタデータ） (2021-09-01T06:58:14Z)
• Event-Related Bias Removal for Real-time Disaster Events [67.2965372987723]
  ソーシャルメディアは、自然災害や大量攻撃などの危機事象に関する情報を共有する重要なツールとなっている。 有用な情報を含む実行可能なポストを検出するには、大量のデータをリアルタイムに高速に分析する必要がある。 我々は、潜在事象固有のバイアスを除去し、ツイート重要度分類の性能を向上させるために、敵対的ニューラルモデルを訓練する。
  論文  参考訳（メタデータ） (2020-11-02T02:03:07Z)
• Embed2Detect: Temporally Clustered Embedded Words for Event Detection in Social Media [1.7205106391379026]
  ワード埋め込みの採用により、Embed2Detectは強力なセマンティック機能をイベント検出に組み込むことができる。 以上の結果から,Embed2Detectは効率的かつ効率的なイベント検出が可能であることが示唆された。
  論文  参考訳（メタデータ） (2020-06-10T15:52:52Z)

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。