論文の概要: From user-understandable to technical process model: a model-driven approach using cuta4bpm

• arxiv url: http://arxiv.org/abs/2605.26117v1
• Date: Thu, 02 Apr 2026 21:32:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 07:09:36.483149
• Title: From user-understandable to technical process model: a model-driven approach using cuta4bpm
• Title（参考訳）: ユーザ理解可能から技術的プロセスモデル: cuta4bpm を用いたモデル駆動アプローチ
• Authors: Kathrin Kirchner, Siniša Nešković, Dejan Stojimirović,
• Abstract要約: ブロック指向言語はより構造化されており、ドメインの専門家にとってより理解しやすい一方で、グラフ指向言語はプロセス設計者にとってよりモデリングの自由と技術的な汎用性を可能にします。 我々は,この理解可能性と技術的汎用性のギャップを埋めるために,参加型フォワードエンジニアリングアプローチを提案する。 ブロック指向のCUTA4BPM言語を使用して、ドメインの専門家と一緒にハイレベルなプロセスモデリングをサポートします。
• 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: For business process modeling, we can choose between graph-oriented and block-oriented languages. Block-oriented languages are more structured and therefore better understandable for domain experts, while graph-oriented languages allow more modeling freedom and technical versatility for process designers. To bridge this gap between understandability and technical versatility, we propose a participative forward engineering approach. It uses our block-oriented CUTA4BPM language to support high level process modeling together with domain experts, while graph-oriented BPMN is used for further detailed process design and automation. To support smooth transition from the high level modeling step to the detailed one, CUTA4BPM process models are automatically transformed to BPMN models using model driven engineering techniques.
• Abstract（参考訳）: ビジネスプロセスモデリングでは、グラフ指向言語とブロック指向言語を選択できます。 ブロック指向言語はより構造化されており、ドメインの専門家にとってより理解しやすい一方で、グラフ指向言語はプロセス設計者にとってよりモデリングの自由と技術的な汎用性を可能にします。 理解可能性と技術的汎用性のギャップを埋めるために,我々は,参加型フォワードエンジニアリングアプローチを提案する。 ブロック指向のCUTA4BPM言語を使用して、ドメインの専門家と一緒にハイレベルなプロセスモデリングをサポートします。 高レベルのモデリングステップから詳細へのスムーズな移行をサポートするため、CUTA4BPMプロセスモデルは、モデル駆動エンジニアリング技術を使用してBPMNモデルに自動的に変換されます。

関連論文リスト

• M*: A Modular, Extensible, Serving System for Multimodal Models [62.77975969000349]
  本稿では,複合AIモデルの効率的な提供を目的とした汎用サービスシステムであるM*を提案する。 広範囲の家族から合成モデルを簡潔にキャプチャする方法を示す。 M*はまた、ロボット計画のためのV-JEPA 2-ACロールアウトベースラインを最大12.5倍上回っている。
  論文  参考訳（メタデータ） (2026-06-10T21:22:22Z)
• Cliqueformer: Model-Based Optimization with Structured Transformers [102.55764949282906]
  大規模なニューラルネットワークは予測タスクに優れるが、タンパク質工学や材料発見といった設計問題への応用には、オフラインモデルベース最適化(MBO)の問題を解決する必要がある。 機能的グラフィカルモデル(FGM)を用いてブラックボックス関数の構造を学習するトランスフォーマーベースのアーキテクチャであるCliqueformerを提案する。 化学および遺伝子設計タスクを含む様々な領域において、Cliqueformerは既存の方法よりも優れた性能を示している。
  論文  参考訳（メタデータ） (2024-10-17T00:35:47Z)
• Leveraging Large Language Models for Enhanced Process Model Comprehension [33.803742664323856]
  ビジネスプロセスマネジメント(BPM)では、効果的にプロセスモデルを理解することが重要であるが、重大な課題を生じさせる。 本稿では,Large Language Models(LLM)の高度な機能を活用し,複雑なプロセスモデルの解釈可能性を高める新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-08-08T13:12:46Z)
• Process Modeling With Large Language Models [42.0652924091318]
  本稿では,大規模言語モデル(LLM)のプロセスモデリングへの統合について検討する。 プロセスモデルの自動生成と反復的改善にLLMを利用するフレームワークを提案する。 予備的な結果は、プロセスモデリングタスクを合理化するフレームワークの能力を示している。
  論文  参考訳（メタデータ） (2024-03-12T11:27:47Z)
• ProMoAI: Process Modeling with Generative AI [42.0652924091318]
  ProMoAIは、LLM(Large Language Models)を利用して、テキスト記述からプロセスモデルを自動的に生成する新しいツールである。 また、高度なプロンプトエンジニアリング、エラーハンドリング、コード生成技術も組み込まれている。
  論文  参考訳（メタデータ） (2024-03-07T08:48:04Z)
• When Parameter-efficient Tuning Meets General-purpose Vision-language Models [65.19127815275307]
  PETALは、一意のモード近似技術によって達成される全パラメータの0.5%しか必要とせず、トレーニングプロセスに革命をもたらす。 実験の結果,PETALは現状の手法をほとんどのシナリオで上回るだけでなく,完全な微調整モデルよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-12-16T17:13:08Z)
• Scaling Vision-Language Models with Sparse Mixture of Experts [128.0882767889029]
  提案手法は, 等価計算コストの高密度モデルに対して, 様々なベンチマークにおいて, 最先端性能を実現することができることを示す。 我々の研究は、MoEモデルのトレーニングの安定化、モデル解釈可能性に対するMoEの影響の理解、ビジョン言語モデルをスケールする際の計算性能間のトレードオフのバランスに関する貴重な洞察を提供する。
  論文  参考訳（メタデータ） (2023-03-13T16:00:31Z)

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。