論文の概要: Recovering Business Rules as Cascade Lookups for Enterprise Field Prediction

• arxiv url: http://arxiv.org/abs/2610.34258v1
• Date: Sun, 25 Oct 2026 12:33:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.568169
• Title: Recovering Business Rules as Cascade Lookups for Enterprise Field Prediction
• Title（参考訳）: 企業フィールド予測のためのカスケードルックアップとしてのビジネスルールの回復
• Abstract要約: 本稿では,不透明な統計パターンとして認識されることなく,過去の取引から時代遅れや時代遅れのルールを復元できるかどうかを考察する。 LLMエージェントが候補となるビジネスキーを提案する知識グラフ誘導ワークフローを提案する。 企業の販売順序予測と公開リレーショナルベンチマークの実験は、フィールドが安定したビジネスルールに従う場合、カスケードが最も効果的であることを示している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Enterprise sales-order systems rely on manually maintained configuration rules to determine fields such as payment terms, shipping points, and sales ownership. When these rules are incomplete or stale, operators must enter values by hand, and downstream errors spread into billing, logistics, and reporting. This paper studies whether missing or outdated rules can be recovered from historical transactions instead of being relearned as opaque statistical patterns. We introduce a knowledge-graph-guided workflow in which an LLM agent proposes candidate business keys, meaning column combinations such as customer and document type, validates them through SQL profiling, and compiles the resulting evidence into deterministic cascade lookups. The LLM is used only during offline rule discovery. At inference time, prediction is a transparent key lookup with no model-serving requirement. Experiments on enterprise sales-order prediction and public relational benchmarks show that cascades are most effective when fields follow stable business rules, while learned graph models remain preferable when prediction depends on temporal or neighborhood patterns. Drift analysis further turns residual errors into diagnostics for configuration maintenance. Code and data: https://github.com/Fireblossom/CascadER.
• Abstract（参考訳）: 企業の販売注文システムは、支払い条件、出荷ポイント、販売所有権などの分野を決定するために、手動で管理される構成規則に依存している。 これらのルールが不完全または古い場合、オペレータは手動で値を入力する必要があり、下流のエラーは請求、物流、報告に広がる。 本稿では,不透明な統計パターンとして認識されることなく,過去の取引から時代遅れや時代遅れのルールを復元できるかどうかを考察する。 本稿では、LLMエージェントが候補となるビジネスキー、すなわち顧客やドキュメントタイプなどの列の組み合わせを提案し、SQLプロファイリングを通じて検証し、その結果の証拠を決定論的カスケード検索にコンパイルする知識グラフ誘導ワークフローを提案する。 LLMはオフラインルール発見時にのみ使用される。 推論時には、予測は、モデル提供要求のない透明なキールックアップである。 企業における販売順序予測とパブリックリレーショナル・ベンチマークの実験は、フィールドが安定したビジネスルールに従う場合、カスケードが最も効果的であることを示し、一方、予測が時間的または近隣のパターンに依存する場合、学習されたグラフモデルは好ましいことを示している。 ドリフト分析は、残差を構成維持のための診断に変換する。 コードとデータ:https://github.com/Fireblossom/CascadER。

関連論文リスト

• Beyond Shapley: An Influence-Based Data Auditing Pipeline for LLM Alignment and Evaluation [2.733105115068754]
  反復モデルの再トレーニングなしにShapley値を近似する,スケーラブルで推論のみのデータアベイラビリティパイプラインを導入する。 重厚な2つのアライメントデータセットの衛生化におけるパイプラインの有効性を実証する。
  論文  参考訳（メタデータ） (2026-07-24T03:31:44Z)
• From Question-First to Analyst-First: Domain-Expert Skills and Verified Knowledge Compilation for Proactive Enterprise Analytics [2.000294391507879]
  本稿では,対話モデルを質問優先からアナリスト優先に反転させる生産分析システムについて述べる。 スキルは自己完結したフォルダであり、決定論的に解決されるため、カタログはオープンエンドである。 オフラインのナレッジコンパイルループは、DuckDBを介してデータセットのパケットをプローブする。
  論文  参考訳（メタデータ） (2026-06-15T15:20:44Z)
• Generating Logically Consistent Synthetic Supply Chain Data with LLM-Driven Knowledge Graph Reasoning [51.78065387034195]
  本稿では,論理的に一貫した合成サプライチェーンデータ生成のための知識グラフ誘導フレームワークであるtextbftextitTabKGを紹介する。
  論文  参考訳（メタデータ） (2026-05-26T10:41:37Z)
• Conformal Tradeoffs: Guarantees Beyond Coverage [0.02648566468224904]
  配置されたコンフォーマル予測器は、有限操作ウィンドウ上で稼働する長期間の意思決定基盤である。 マージのカバレッジは、デプロイメントに直面する量を特定しません。 私たちは、範囲を超えて運用の認証と計画のためのフレームワークを提供しています。
  論文  参考訳（メタデータ） (2026-02-20T07:58:25Z)
• Normalisation of SWIFT Message Counterparties with Feature Extraction and Clustering [0.0]
  本稿では,取引相手のクラスタリングを容易にするために,ハイブリッド文字列類似性,トピックモデリング,階層クラスタリング,ルールベースのパイプラインを提案する。 このアプローチは、ルールベースのシステムで見られるほとんどの解釈可能性を保持しており、前者は後者に追加のレベルのクラスタリファインメントを追加する。 制裁調査など、人口のごく一部だけを調査する必要がある場合、この手法は、欠落した個体変動のリスクをよりよく制御することができる。
  論文  参考訳（メタデータ） (2025-08-24T12:41:44Z)
• A Simple Baseline for Predicting Events with Auto-Regressive Tabular Transformers [70.20477771578824]
  イベント予測への既存のアプローチには、タイムアウェアな位置埋め込み、学習行とフィールドエンコーディング、クラス不均衡に対処するオーバーサンプリング方法などがある。 基本位置埋め込みと因果言語モデリングの目的を持つ標準自己回帰型LPM変換器を用いて,単純だが柔軟なベースラインを提案する。 私たちのベースラインは、一般的なデータセットで既存のアプローチよりも優れており、さまざまなユースケースに使用することができます。
  論文  参考訳（メタデータ） (2024-10-14T15:59:16Z)
• When Does Confidence-Based Cascade Deferral Suffice? [69.28314307469381]
  カスケードは、推論コストをサンプル毎に適応的に変化させる古典的な戦略である。 deferralルールは、シーケンス内の次の分類子を呼び出すか、または予測を終了するかを決定する。 カスケードの構造に執着しているにもかかわらず、信頼に基づく推論は実際は極めてうまく機能することが多い。
  論文  参考訳（メタデータ） (2023-07-06T04:13:57Z)

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。