論文の概要: Intelligent Approval of Access Control Flow in Office Automation Systems via Relational Modeling
- arxiv url: http://arxiv.org/abs/2604.11040v1
- Date: Mon, 13 Apr 2026 06:13:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-14 20:13:16.358366
- Title: Intelligent Approval of Access Control Flow in Office Automation Systems via Relational Modeling
- Title（参考訳）: リレーショナルモデリングによるオフィスオートメーションシステムにおけるアクセス制御フローの知的承認
- Authors: Dugang Liu, Zulong Chen, Chuanfei Xu, Jiaxuan He, Yunlu Ma, Jia Xu,
- Abstract要約: オフィスオートメーション(OA)システムは、エンタープライズオペレーションとマネジメントにおいて重要な役割を果たす。
アクセス制御フロー承認(ACFA)は、様々なリソースのアクセシビリティを管理する重要なコンポーネントである。
従来のACFAは、各ステップで担当者の承認を必要とし、かなりの量の人力と時間を消費する。
- 参考スコア（独自算出の注目度）: 12.323488676012332
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Office automation (OA) systems play a crucial role in enterprise operations and management, with access control flow approval (ACFA) being a key component that manages the accessibility of various resources. However, traditional ACFA requires approval from the person in charge at each step, which consumes a significant amount of manpower and time. Its intelligence is a crucial issue that needs to be addressed urgently by all companies. In this paper, we propose a novel relational modeling-driven intelligent approval (RMIA) framework to automate ACFA. Specifically, our RMIA consists of two core modules: (1) The binary relation modeling module aims to characterize the coupling relation between applicants and approvers and provide reliable basic information for ACFA decision-making from a coarse-grained perspective. (2) The ternary relation modeling module utilizes specific resource information as its core, characterizing the complex relations between applicants, resources, and approvers, and thus provides fine-grained gain information for informed decision-making. Then, our RMIA effectively fuses these two kinds of information to form the final decision. Finally, extensive experiments are conducted on two product datasets and an online A/B test to verify the effectiveness of RMIA.
- Abstract（参考訳）: オフィスオートメーション(OA)システムは、様々なリソースのアクセシビリティを管理する重要なコンポーネントであるアクセス制御フロー承認(ACFA)とともに、エンタープライズオペレーションとマネジメントにおいて重要な役割を果たす。
しかし、従来のACFAは各ステップで担当者の承認を必要とするため、かなりの量の人力と時間を消費する。
その知性は、すべての企業が緊急に対処する必要がある重要な問題だ。
本稿では,ACFAを自動化するための新しいリレーショナルモデリング駆動型知的承認(RMIA)フレームワークを提案する。
具体的には,(1)二項関係モデリングモジュールは,応募者と承認者の結合関係を特徴付けることを目的としており,大まかな視点からACFA決定のための信頼性の高い基本情報を提供する。
2) 3次関係モデリングモジュールは、特定のリソース情報をその中核として利用し、応募者、リソース、承認者間の複雑な関係を特徴付け、情報的意思決定のためのきめ細かい利得情報を提供する。
そして、RMIAはこれらの2種類の情報を効果的に融合して最終決定を下す。
最後に、RMIAの有効性を検証するために、2つの製品データセットとオンラインA/Bテストについて広範な実験を行う。
関連論文リスト
- A Vision for Access Control in LLM-based Agent Systems [23.59407514665941]
本稿では、バイナリアクセス制御からより洗練された情報ガバナンスモデルへのパラダイムシフトを論じる。
本稿では,情報フロー管理の動的なコンテキスト認識プロセスとしてACを再構成する新しいフレームワークであるエージェントアクセス制御(AAC)を紹介する。
論文 参考訳（メタデータ） (2025-10-13T07:57:09Z) - Automatic Building Code Review: A Case Study [6.530899637501737]
建設担当者は、プロジェクトのサイズと複雑さが増大するにつれて、労働集約的で、エラーを起こし、コストがかかる設計文書のレビューに直面します。
本研究では,BIMに基づくデータ抽出と自動検証を統合したエージェント駆動型フレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-03T00:30:14Z) - MCP-Orchestrated Multi-Agent System for Automated Disinformation Detection [84.75972919995398]
本稿では,関係抽出を用いてニュース記事の偽情報を検出するマルチエージェントシステムを提案する。
提案したエージェントAIシステムは、(i)機械学習エージェント(ロジスティック回帰)、(ii)Wikipedia知識チェックエージェント、(iv)Webスクラッドデータアナライザの4つのエージェントを組み合わせる。
その結果、マルチエージェントアンサンブルはF1スコア0.964で95.3%の精度を達成し、個々のエージェントや従来のアプローチよりも大幅に優れていた。
論文 参考訳（メタデータ） (2025-08-13T19:14:48Z) - RCAgent: Cloud Root Cause Analysis by Autonomous Agents with Tool-Augmented Large Language Models [46.476439550746136]
近年,クラウド根本原因分析(RCA)における言語モデル (LLM) の適用が活発に検討されている。
RCAgentは、実用的でプライバシに配慮した産業RCA利用のためのツール強化LDM自律エージェントフレームワークである。
RCAgentはGPTファミリではなく、内部的にデプロイされたモデル上で動作し、フリーフォームのデータ収集とツールによる包括的な分析を行うことができる。
論文 参考訳（メタデータ） (2023-10-25T03:53:31Z) - Bi-Bimodal Modality Fusion for Correlation-Controlled Multimodal
Sentiment Analysis [96.46952672172021]
Bi-Bimodal Fusion Network (BBFN) は、2対のモダリティ表現で融合を行う新しいエンドツーエンドネットワークである。
モデルは、モダリティ間の既知の情報不均衡により、2つのバイモーダルペアを入力として取る。
論文 参考訳（メタデータ） (2021-07-28T23:33:42Z) - A Modularized and Scalable Multi-Agent Reinforcement Learning-based
System for Financial Portfolio Management [7.6146285961466]
金融ポートフォリオマネジメントは強化学習(RL)において最も適用可能な問題の1つである
MSPMは、ポートフォリオ管理のためのモジュール化されたスケーラブルなアーキテクチャを備えた、新しいマルチエージェント強化学習ベースシステムである。
8年にわたる米株式市場のデータの実験は、MSPMが既存のベンチマークを上回るパフォーマンスで蓄積した利益がMSPMの有効性を証明している。
論文 参考訳（メタデータ） (2021-02-06T04:04:57Z) - A Co-Interactive Transformer for Joint Slot Filling and Intent Detection [61.109486326954205]
音声言語理解システム(SLU)を構築する上では,インテント検出とスロットフィリングが主要な2つのタスクである。
以前の研究では、2つのタスクを個別にモデル化するか、インテントからスロットへの単一の情報フローのみを考慮していた。
本稿では,2つのタスク間の相互影響を同時に検討するコ・インターアクティブ・トランスフォーマーを提案する。
論文 参考訳（メタデータ） (2020-10-08T10:16:52Z) - Information Freshness-Aware Task Offloading in Air-Ground Integrated
Edge Computing Systems [49.80033982995667]
本稿では,空域統合マルチアクセスエッジコンピューティングシステムにおける情報更新性を考慮したタスクオフロードの問題について検討する。
サードパーティのリアルタイムアプリケーションサービスプロバイダは、InPからの限られた通信と計算リソースで、加入したモバイルユーザ(MU)にコンピューティングサービスを提供する。
本稿では,各MUに2つの個別の深度Q-networksを適用し,Q-factorと後Q-factorを近似する新しい深度強化学習手法を提案する。
論文 参考訳（メタデータ） (2020-07-15T21:32:43Z) - Do We Really Need to Access the Source Data? Source Hypothesis Transfer
for Unsupervised Domain Adaptation [102.67010690592011]
Unsupervised adaptUDA (UDA) は、ラベル付きソースデータセットから学んだ知識を活用して、新しいラベル付きドメインで同様のタスクを解決することを目的としている。
従来のUDAメソッドは、モデルに適応するためには、通常、ソースデータにアクセスする必要がある。
この作業は、訓練済みのソースモデルのみが利用できる実践的な環境に取り組み、ソースデータなしでそのようなモデルを効果的に活用してUDA問題を解決する方法に取り組みます。
論文 参考訳（メタデータ） (2020-02-20T03:13:58Z)
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。