論文の概要: Efficient Distance Pruning for Process Suffix Comparison in Prescriptive Process Monitoring

• arxiv url: http://arxiv.org/abs/2602.09039v1
• Date: Fri, 30 Jan 2026 10:19:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-15 14:54:53.705743
• Title: Efficient Distance Pruning for Process Suffix Comparison in Prescriptive Process Monitoring
• Title（参考訳）: 規範的プロセスモニタリングにおけるプロセス接尾辞比較のための効率的な距離分割法
• Authors: Sarra Madad,
• Abstract要約: 規範的なプロセス監視は、進行中のケースの継続性を分析することによって、プロセスの結果を改善するアクションを推奨することを目指している。 鍵となる障害は、大規模サフィックス比較の計算コストの重いことであり、ログサイズとともに急速に増大する。 本稿では,三角不等式を利用した効率的な探索手法を提案する。最適化されたピボットの集合に対して,冗長な比較を行う境界を定義する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Prescriptive process monitoring seeks to recommend actions that improve process outcomes by analyzing possible continuations of ongoing cases. A key obstacle is the heavy computational cost of large-scale suffix comparisons, which grows rapidly with log size. We propose an efficient retrieval method exploiting the triangle inequality: distances to a set of optimized pivots define bounds that prune redundant comparisons. This substantially reduces runtime and is fully parallelizable. Crucially, pruning is exact: the retrieved suffixes are identical to those from exhaustive comparison, thereby preserving accuracy. These results show that metric-based pruning can accelerate suffix comparison and support scalable prescriptive systems.
• Abstract（参考訳）: 規範的なプロセス監視は、進行中のケースの継続性を分析することによって、プロセスの結果を改善するアクションを推奨することを目指している。 鍵となる障害は、大規模サフィックス比較の計算コストの重いことであり、ログサイズとともに急速に増大する。 本稿では,三角不等式を利用した効率的な探索手法を提案する。最適化されたピボットの集合の距離は冗長な比較を誘発する境界を定義する。 これにより実行時間が大幅に削減され、完全に並列化可能である。 抽出された接尾辞は、徹底的な比較の結果と同一であり、したがって精度を保っている。 これらの結果は,計量式プルーニングが接尾辞比較を加速し,スケーラブルな規範システムをサポートすることを示す。

関連論文リスト

• DeepPrune: Parallel Scaling without Inter-trace Redundancy [53.62015294143274]
  並列推論トレースの80%以上は、実質的な無駄な計算を代表して、同じ最終回答をもたらす。 動的プルーニングによる効率的な並列スケーリングを実現する新しいフレームワークであるDeepPruneを提案する。 我々の研究は並列推論のための新しい標準を確立し、高性能推論をより効率的にする。
  論文  参考訳（メタデータ） (2025-10-09T17:24:54Z)
• One Shot vs. Iterative: Rethinking Pruning Strategies for Model Compression [22.528739000744782]
  プルーニング(Pruning)は、ニューラルネットワークを圧縮して効率を向上させる技術である。 ワンショットプルーニングと反復プルーニングは、このプロセスに対する2つのアプローチである。 本研究では, 単発プルーニングが低いプルーニング比で有効であるのに対して, 反復プルーニングは高い比率でより良い性能を示すことを示す。
  論文  参考訳（メタデータ） (2025-08-19T13:57:10Z)
• Fractured Chain-of-Thought Reasoning [61.647243580650446]
  完全CoTと解のみのサンプリングを補間する統合推論時間戦略であるフラクチャードサンプリングを導入する。 フラクチャードサンプリングは、Pass@kとトークンの予算に対して、急激なログ線形スケーリングゲインをもたらすため、優れた精度とコストのトレードオフを一貫して達成できることを示す。
  論文  参考訳（メタデータ） (2025-05-19T11:30:41Z)
• A Scalable and Near-Optimal Conformance Checking Approach for Long Traces [3.3170150440851485]
  プロセスマイニングにおける重要なタスクであるコンフォーマルティチェックは、最適なアライメントを見つけるという指数関数的な複雑さのため、計算不能になる可能性がある。 本稿では,これらの拡張性に対処する新しいスライディングウインドウ手法を提案する。 トレースを管理可能なサブトレースに分割し,プロセスモデルと反復的に整列することにより,検索空間を大幅に削減する。
  論文  参考訳（メタデータ） (2024-06-08T11:04:42Z)
• Faster Convergence with Multiway Preferences [99.68922143784306]
  本稿では,符号関数に基づく比較フィードバックモデルについて考察し,バッチとマルチウェイの比較による収束率の解析を行う。 本研究は,マルチウェイ選好による凸最適化の問題を初めて研究し,最適収束率を解析するものである。
  論文  参考訳（メタデータ） (2023-12-19T01:52:13Z)
• Recall@k Surrogate Loss with Large Batches and Similarity Mixup [62.67458021725227]
  微分不可能な場合、評価計量の勾配降下による直接最適化は不可能である。 本研究は,リコールにおける相異なるサロゲート損失を提案する。 提案手法は,複数の画像検索ベンチマークにおいて最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-08-25T11:09:11Z)
• A Practical Index Structure Supporting Fr\'echet Proximity Queries Among Trajectories [1.9335262420787858]
  我々は、計算コストの高いメトリクスの下で、レンジと近隣クエリに$k$のスケーラブルなアプローチを提案する。 計量指標のクラスタリングに基づいて,軌跡数に線形な木構造を求める。 本研究では,多種多様な合成および実世界のデータセットに関する広範な実験により,本手法の有効性と有効性について分析する。
  論文  参考訳（メタデータ） (2020-05-28T04:12:43Z)
• Active Sampling for Pairwise Comparisons via Approximate Message Passing and Information Gain Maximization [5.771869590520189]
  本稿では、近似メッセージパッシングと期待情報ゲインに基づくアクティブサンプリングアルゴリズムASAPを提案する。 既存の手法と比較して,ASAPは推定スコアの精度が最も高いことを示す。
  論文  参考訳（メタデータ） (2020-04-12T20:48:10Z)

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。