論文の概要: Behavioral Intelligence Platforms: From Event Streams to Autonomous Insight via Probabilistic Journey Graphs, Behavioral Knowledge Extraction, and Grounded Language Generation
- arxiv url: http://arxiv.org/abs/2604.22762v2
- Date: Tue, 28 Apr 2026 08:48:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-04 02:32:14.159896
- Title: Behavioral Intelligence Platforms: From Event Streams to Autonomous Insight via Probabilistic Journey Graphs, Behavioral Knowledge Extraction, and Grounded Language Generation
- Title（参考訳）: 行動インテリジェンスプラットフォーム:確率論的ジャーニーグラフによるイベントストリームから自律的なインテリジェンス、行動知識抽出、接地言語生成
- Authors: Arun Patra, Bhushan Vadgave,
- Abstract要約: 本稿では、生イベントストリームを自動生成するインサイトに変換するシステムアーキテクチャである振舞いインテリジェンスプラットフォーム(BIP)を提案する。
BIPは4つのレイヤから構成される。まず、正規化と状態導出(NSD)はイベントを標準化し、それらをセマンティックな状態階層にマッピングする。
第二に、振舞いグラフエンジン(BGE)は、マルコフ連鎖を吸収し、遷移確率、除去効果、パス品質メトリクスを計算してユーザージャーニーをモデル化する。
第3に、行動知識グラフ(BKG)と検出器システムは、グラフ出力を基底的な行動事実に変換し、行動現象を識別する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Contemporary product analytics systems require users to pose explicit queries, such as writing SQL, configuring dashboards, or constructing funnels, before insights can surface. This pull-based paradigm creates a bottleneck: it requires both domain knowledge and technical fluency, and assumes practitioners know in advance which questions to ask. We argue that behavioral analytics should move from passive systems that answer queries to active systems that continuously detect and explain behavioral phenomena. We present the Behavioral Intelligence Platform (BIP), a system architecture that transforms raw event streams into automatically generated insights. BIP consists of four layers. First, Normalization and State Derivation (NSD) standardizes events and maps them to a semantic state hierarchy. Second, a Behavioral Graph Engine (BGE) models user journeys as absorbing Markov chains and computes transition probabilities, removal effects, and path quality metrics. Third, a Behavioral Knowledge Graph (BKG) and Detector System convert graph outputs into grounded behavioral facts and identify behavioral phenomena. Finally, a Grounded Language Layer constrains large language model outputs to verified facts, producing reliable narrative insights. We formalize the Behavioral Intelligence Problem, introduce a taxonomy of detectors for autonomous insight generation, and propose an interestingness score to prioritize insights under limited attention.
- Abstract（参考訳）: 現代の製品分析システムでは、インサイトが現れる前に、SQLの記述、ダッシュボードの設定、ファンネルの構築といった明示的なクエリのポーズをユーザが要求する。
このプルベースのパラダイムは、ドメインの知識と技術的なフラレンシの両方を必要とするというボトルネックを生み出します。
行動分析は、問合せに応答する受動的システムから、行動現象を継続的に検出・説明する能動的システムへと移行すべきである。
本稿では、生イベントストリームを自動生成するインサイトに変換するシステムアーキテクチャである振舞いインテリジェンスプラットフォーム(BIP)を提案する。
BIPは4つの層から構成される。
まず、正規化と状態導出(NSD)はイベントを標準化し、それらを意味的な状態階層にマッピングする。
第二に、振舞いグラフエンジン(BGE)は、マルコフ連鎖を吸収し、遷移確率、除去効果、パス品質メトリクスを計算してユーザージャーニーをモデル化する。
第3に、行動知識グラフ(BKG)と検出器システムは、グラフ出力を基底的な行動事実に変換し、行動現象を識別する。
最後に、グラウンドド言語レイヤは、大きな言語モデルの出力を検証された事実に制限し、信頼できる物語の洞察を生み出します。
本稿では,行動知能問題を定式化し,自律的な洞察生成のための検知器の分類を導入し,限られた注意の下で洞察を優先順位付けするための興味深いスコアを提案する。
関連論文リスト
- NeuroTrace: Inference Provenance-Based Detection of Adversarial Examples [1.096626056612224]
Inference Provenance Graphs (IPGs) を用いた推論前駆体分析フレームワークであるNeuroTraceを紹介する。
IPGは、モデルの前方通過中にアクティベーション動作とパラメータ誘起データフローの両方をキャプチャする異種グラフである。
攻撃中, マルチアタック, クロススリート転送設定下での逆例検出のためのIPGベース検出器の評価を行った。
論文 参考訳（メタデータ） (2026-04-15T22:23:40Z) - LatentPilot: Scene-Aware Vision-and-Language Navigation by Dreaming Ahead with Latent Visual Reasoning [51.969318585152116]
LatentPilotは、トレーニング中の将来の観察を貴重なデータソースとして利用して、アクション条件付きビジュアルダイナミクスを学習する。
そこで本稿では,フライホイール方式のトレーニング機構を提案する。これは,道路上の軌道を反復的に収集し,エージェントの行動分布に適合するようにモデルを再訓練する。
R2R-CE、RxR-CE、R2R-PEベンチマークの実験では新たなSOTA結果が得られた。
論文 参考訳（メタデータ） (2026-03-31T02:21:59Z) - BehaviorVLM: Unified Finetuning-Free Behavioral Understanding with Vision-Language Reasoning [12.25724335471528]
本稿では,ポーズ推定と行動理解のための統合されたフレームワークであるBehavimentVLMを提案する。
ポーズ推定のために,時間的,空間的,横断的な推論を統合した多段階パイプラインを提案する。
振舞いの理解のために,過剰なセグメンテッドな振舞い発見のために,深く埋め込まれたクラスタリングを統合するパイプラインを提案する。
論文 参考訳（メタデータ） (2026-03-12T17:09:20Z) - TapTree: Process-Tree Based Host Behavior Modeling and Threat Detection Framework via Sequential Pattern Mining [0.29465623430708915]
本稿では,システムイベントのセマンティック情報をコンパイルすることでホスト動作を抽出するTapTreeを提案する。
最近のベンチマーク監査ログデータセット(DARPA OpTC)に対する評価では、TapTreeは、接続されたシステムイベントのセマンティクスを推論するために、ツリーパターンクエリとシーケンシャルパターンマイニング技術を使用している。
論文 参考訳（メタデータ） (2023-12-10T15:12:55Z) - Interpretable Imitation Learning with Dynamic Causal Relations [65.18456572421702]
得られた知識を有向非巡回因果グラフの形で公開することを提案する。
また、この因果発見プロセスを状態依存的に設計し、潜在因果グラフのダイナミクスをモデル化する。
提案するフレームワークは,動的因果探索モジュール,因果符号化モジュール,予測モジュールの3つの部分から構成され,エンドツーエンドで訓練される。
論文 参考訳（メタデータ） (2023-09-30T20:59:42Z) - From system models to class models: An in-context learning paradigm [0.0]
本稿では,1段階の予測と複数段階のシミュレーションという2つの主要な課題に対処する,システム識別のための新しいパラダイムを提案する。
動的システムのクラスを表すメタモデルを学ぶ。
一段階の予測では、GPTのようなデコーダのみのアーキテクチャを使用し、シミュレーション問題ではエンコーダ-デコーダ構造を用いる。
論文 参考訳（メタデータ） (2023-08-25T13:50:17Z) - Generative Models as a Complex Systems Science: How can we make sense of
large language model behavior? [75.79305790453654]
事前訓練されたモデルから望ましい振る舞いを排除し、望ましくないモデルを避けながら、NLPを再定義した。
言語モデルの振る舞いをタスク間性能を説明するカテゴリに分解する体系的な取り組みについて論じる。
論文 参考訳（メタデータ） (2023-07-31T22:58:41Z) - Towards Explainable Motion Prediction using Heterogeneous Graph
Representations [3.675875935838632]
動き予測システムは、自動運転車が安全かつ効率的な計画を実行できるようにする交通シナリオの将来の挙動を捉えることを目的としている。
GNNベースのアプローチは、これらの相互作用を自然にモデル化するのに適しているため、近年注目を集めている。
本研究では,異なるアプローチを用いて動作予測システムの説明可能性を向上させることを目的とする。
論文 参考訳（メタデータ） (2022-12-07T17:43:42Z) - A Novel Anomaly Detection Algorithm for Hybrid Production Systems based
on Deep Learning and Timed Automata [73.38551379469533]
DAD:DeepAnomalyDetectionは,ハイブリッド生産システムにおける自動モデル学習と異常検出のための新しいアプローチである。
深層学習とタイムドオートマトンを組み合わせて、観察から行動モデルを作成する。
このアルゴリズムは実システムからの2つのデータを含む少数のデータセットに適用され、有望な結果を示している。
論文 参考訳（メタデータ） (2020-10-29T08:27:43Z)
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。