論文の概要: Decision-Aware Suffix Prediction and Reasoning of Business Processes
- arxiv url: http://arxiv.org/abs/2609.06169v1
- Date: Sat, 05 Sep 2026 16:19:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.212639
- Title: Decision-Aware Suffix Prediction and Reasoning of Business Processes
- Title（参考訳）: 意思決定を考慮したビジネスプロセスの接尾辞予測と推論
- Abstract要約: 本稿では, 予測イベントの推論を, マイニングされた決定ルールを通じて行う, ニューロシンボリックアプローチである, 意思決定対応サフィックス予測フレームワークを提案する。
実験により, 接尾辞予測, 特に短い接頭辞では, まれなプロセス変種に対しては, フレームワークが改善できることが示されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Suffix prediction forecasts the remaining sequence of events of a running case until completion. Most approaches rely on neural networks trained on event logs, which, on average, perform well but struggle with short prefixes or targets belonging to a rare process variant. In such scenarios, the correct path may cross multiple branching decisions, determined primarily by case- and event-level attributes, a signal that NN-based suffix prediction models tend to underweight because they may heavily weight (dense) event labels. Decision mining extracts rules for such decisions from the event log, but has so far been applied only to post-hoc and what-if analysis, not suffix prediction. We therefore extend suffix prediction with decision mining, introducing a decision-aware suffix prediction framework, a neuro-symbolic approach that enables reasoning about predicted events via mined decision rules. Experiments on three of four event logs and three suffix predictors show that the framework can improve suffix prediction, especially for short prefixes but also for rare process variants, and adds intrinsic interpretability.
- Abstract（参考訳）: サフィックス予測は、実行中のケースの残りのシーケンスを完了まで予測する。
ほとんどのアプローチは、イベントログに基づいてトレーニングされたニューラルネットワークに依存している。
このようなシナリオでは、正しい経路は、主にケースレベルの属性とイベントレベルの属性によって決定される複数の分岐決定を横切る可能性がある。
決定マイニングはイベントログからそのような決定のルールを抽出するが、これまでは接尾辞予測ではなく、ポストホックやWhat-if分析にのみ適用されてきた。
そこで我々は,決定マイニングによる接尾辞予測を拡張し,決定を意識した接尾辞予測フレームワークを導入する。
4つのイベントログのうち3つと3つの接尾辞予測器の実験は、特に短い接頭辞では接尾辞予測を改善するだけでなく、まれなプロセスの変種についても改善できることを示し、本質的な解釈性を追加した。
関連論文リスト
- Online Prediction with Limited Selectivity [8.540426791244535]
多くのデータ統計は、分布的な仮定や専門家のアドバイスなしに、非自明なエラー率に予測できる。
本稿では,予測者が時間軸のサブセットでのみ予測を開始することができる限定選択性付き予測(PLS)モデルを提案する。
本稿では,インスタンス・バイ・インスタンス・ベースと平均ケース・アナリティクスの両方を用いて最適予測誤差について検討する。
論文 参考訳（メタデータ） (2025-08-13T08:17:12Z) - An Uncertainty-Aware ED-LSTM for Probabilistic Suffix Prediction [0.0]
ビジネスプロセスの簡潔な予測は、プロセスが完了するまでイベントの残りのシーケンスを予測する。
確率的接尾辞予測(probabilistic suffix prediction)は,接尾辞の確率分布を近似する新しいアプローチである。
提案手法は,Uncertainty-Aware-Decoder LSTM (U-ED-LSTM) とモンテカルロサフィックスサンプリングアルゴリズムに基づく。
論文 参考訳（メタデータ） (2025-05-27T15:33:05Z) - Encoder-Decoder Model for Suffix Prediction in Predictive Monitoring [0.0]
接尾辞予測問題に対するほとんどのアプローチは、次の活動のみを予測する方法を学ぶことによって接尾辞を予測することを学ぶ。
本稿では,プレフィックスの表現学習を推論フェーズから分離するアテンション機構を備えたエンコーダ・デコーダモデルに基づく新しいアーキテクチャを提案する。
論文 参考訳（メタデータ） (2022-11-29T11:27:29Z) - Uncertainty Quantification with Pre-trained Language Models: A
Large-Scale Empirical Analysis [120.9545643534454]
パイプラインは校正誤差を最小限に抑えることが重要であり、特に安全クリティカルな応用において重要である。
パイプラインの背景には,(1)PLMの選択と(2)サイズ,(3)不確実性定量化器の選択,(4)微調整損失の選択など,さまざまな考察がある。
1) PLM符号化にELECTRAを使用し、(2) 可能であればより大きなPLMを使用し、(3) 不確実性定量化にTemp Scalingを使用し、(4) 微調整にFocal Lossを使用する。
論文 参考訳（メタデータ） (2022-10-10T14:16:01Z) - Selective Prediction via Training Dynamics [31.708701583736644]
本研究では,モデルのトレーニング力学を学習することで,最先端の選択的予測性能が得られることを示す。
特に、トレーニングの後半段階で最終予測と大差ないデータポイントを拒否する。
提案された拒絶機構はドメインに依存しない(すなわち、離散予測と実数値予測の両方に有効)、既存の選択的予測手法と柔軟に組み合わせることができる。
論文 参考訳（メタデータ） (2022-05-26T17:51:29Z) - Uncertainty estimation of pedestrian future trajectory using Bayesian
approximation [137.00426219455116]
動的トラフィックシナリオでは、決定論的予測に基づく計画は信頼できない。
著者らは、決定論的アプローチが捉えられない近似を用いて予測中の不確実性を定量化する。
将来の状態の不確実性に対する降雨重量と長期予測の影響について検討した。
論文 参考訳（メタデータ） (2022-05-04T04:23:38Z) - Taming Overconfident Prediction on Unlabeled Data from Hindsight [50.9088560433925]
ラベルのないデータに対する予測の不確実性を最小化することは、半教師付き学習において優れた性能を達成するための鍵となる要素である。
本稿では,アダプティブシャーニング(Adaptive Sharpening, ADS)と呼ばれる2つのメカニズムを提案する。
ADSは、プラグインにすることで最先端のSSLメソッドを大幅に改善する。
論文 参考訳（メタデータ） (2021-12-15T15:17:02Z) - Dense Uncertainty Estimation [62.23555922631451]
本稿では,ニューラルネットワークと不確実性推定手法について検討し,正確な決定論的予測と確実性推定の両方を実現する。
本研究では,アンサンブルに基づく手法と生成モデルに基づく手法の2つの不確実性推定法について検討し,それらの長所と短所を,完全/半端/弱度に制御されたフレームワークを用いて説明する。
論文 参考訳（メタデータ） (2021-10-13T01:23:48Z) - Counterfactual Predictions under Runtime Confounding [74.90756694584839]
本研究は, 過去のデータからすべての関連要因を抽出した環境で, 事実予測タスクについて検討する。
本稿では,この環境下での対実予測モデル学習のための2次ロバスト手法を提案する。
論文 参考訳（メタデータ） (2020-06-30T15:49:05Z) - Predictive Business Process Monitoring via Generative Adversarial Nets:
The Case of Next Event Prediction [0.026249027950824504]
本稿では,次の事象予測の問題に対処するための,新たな逆トレーニングフレームワークを提案する。
これは、2人のプレイヤーのゲームで1つのニューラルネットワークをもう1つのニューラルネットワークと対戦させることで機能し、それは地上の真実と区別できない予測につながる。
単純なネットワークアーキテクチャとナイーブな特徴符号化を使用しても、正確さと予測のイヤーラインの両方において、体系的にすべてのベースラインを上回ります。
論文 参考訳（メタデータ） (2020-03-25T08:31:28Z) - Ambiguity in Sequential Data: Predicting Uncertain Futures with
Recurrent Models [110.82452096672182]
逐次データによる曖昧な予測を扱うために,Multiple hypothesis Prediction(MHP)モデルの拡張を提案する。
また、不確実性を考慮するのに適した曖昧な問題に対する新しい尺度も導入する。
論文 参考訳（メタデータ） (2020-03-10T09:15:42Z)
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。