論文の概要: A Multi-Layered AI Pipeline for BPMN Generation from Natural Language
- arxiv url: http://arxiv.org/abs/2611.18157v1
- Date: Fri, 13 Nov 2026 13:31:08 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-16 19:30:46.073881
- Title: A Multi-Layered AI Pipeline for BPMN Generation from Natural Language
- Title(参考訳): 自然言語からのBPMN生成のための多層AIパイプライン
- Abstract要約: 本稿では自然言語記述からBPMNモデルを生成するソリューションを提案する。
提案手法は自然言語記述から始まり,テキスト処理,制御-フロー関係抽出,構造検証を分離する。
本研究は, 現実の心疾患患者の移行ケアプロセスにおける提案手法の有効性を検証した。
- 参考スコア(独自算出の注目度): 36.94429692322632
- License:
- Abstract: The automated transformation of unstructured natural language process descriptions into Business Process Model and Notation (BPMN) diagrams remains a challenging task, due to linguistic ambiguity and the difficulty to detect non-adjacent control-flow relationships. This paper proposes a solution for generating BPMN models from natural language descriptions through a multi-layered pipeline that integrates transformer-based architectures, Large Language Models and ontology population. The proposed method starts with natural language descriptions and separates textual processing, control-flow relation extraction, and structural validation into dedicated components. Entity extraction is performed using a fine-tuned RoBERTa-based transformer model while a control-flow engine captures non-adjacent relationships through LLM-based inference. To improve generalization under limited available data, the approach uses a dynamic few-shot strategy with con- trolled template input construction, enabling improved generalization under limited data availability. Additionally, an ontology population mechanism is introduced to represent the generated process models as semantic knowledge structures. For evaluation purposes we have used from the literature and industry reference processes. Additionally, we have validated the proposed method on a real-world heart disease patients transitional care process, capturing practical constraints and multi-actor collaboration, and serving as an expert-defined benchmark scenario. Experimental results demonstrate strong performance in the relation extraction task, achieving an accuracy of 90.7%, as well as maintaining structural alignment between the generated and reference BPMN models across multiple evaluation scenarios scenarios.
- Abstract(参考訳): 非構造化の自然言語プロセス記述をビジネスプロセスモデルと表記(BPMN)ダイアグラムに自動変換することは、言語的な曖昧さと、非アジャセントな制御-フロー関係を検出するのが難しいため、依然として難しい課題です。
本稿では、トランスフォーマーベースのアーキテクチャ、大規模言語モデル、オントロジー集団を統合した多層パイプラインを通じて、自然言語記述からBPMNモデルを生成するソリューションを提案する。
提案手法は、自然言語記述から始まり、テキスト処理、制御-フロー関係抽出、構造検証を専用コンポーネントに分離する。
制御フローエンジンがLCMベースの推論によって非隣接関係をキャプチャする間、細調整されたRoBERTaベースのトランスフォーマーモデルを用いてエンティティ抽出を行う。
利用可能な限られたデータの下での一般化を改善するため、コントロルされたテンプレート入力構造を持つ動的数ショット戦略を用いて、限られたデータ可用性下での一般化を改善する。
さらに、生成したプロセスモデルを意味的知識構造として表現するために、オントロジー集団機構を導入する。
評価のために、文献および産業基準プロセスから使用しました。
さらに,現実の心疾患患者のトランザクショナルケアプロセス,実践的制約の把握,マルチアクターコラボレーション,および専門家定義のベンチマークシナリオとして,提案手法の有効性を検証した。
実験結果は、関係抽出タスクにおいて強いパフォーマンスを示し、90.7%の精度を達成するとともに、生成されたBPMNモデルと参照BPMNモデルの間の構造的整合性を維持する。
関連論文リスト
- Large Language Models to Enhance Business Process Modeling: Past, Present, and Future Trends [0.0]
本稿では、自然言語をBPMNプロセスモデルに変換するAI駆動手法の文献レビューを紹介する。
この分析は、ルールベースおよび従来のNLPパイプラインからLLMベースのアーキテクチャへの移行を明らかにしている。
この文献は、意味的正当性、評価の断片化、現実世界の組織的文脈における限定的な検証に関する永続的な課題も明らかにしている。
論文 参考訳(メタデータ) (2026-04-15T16:15:03Z) - Automated BPMN Model Generation from Textual Process Descriptions: A Multi-Stage LLM-Driven Approach [1.2109551561313707]
地上構造構築とモデル再構築の両方を自動化する,スケーラブルで多段階のLCM駆動パイプラインを提案する。
750の公開BPMNダイアグラムに関する実証的な研究で、パイプラインは387の検証済みの地下構造モデルを生成し、0.75以上の平均的な再構築類似性を達成した。
論文 参考訳(メタデータ) (2026-04-13T22:26:31Z) - Ambiguity Detection and Elimination in Automated Executable Process Modeling [1.014361347202587]
本稿では,鍵性能指標の実験的分布から行動の不整合を検出する診断駆動型フレームワークを提案する。
糖尿病性腎症の健康誘導政策に関する実験は、再生モデル行動の変動を減少させることを示した。
論文 参考訳(メタデータ) (2026-04-13T01:11:01Z) - Multi-Agent Procedural Graph Extraction with Structural and Logical Refinement [66.51979814832332]
モデル式は、専用の構造的および論理的洗練を伴う多ラウンド推論プロセスとして手続きグラフ抽出を定式化する。
実験により、モデルが強いベースラインに対して構造的正当性と論理的整合性の両方において大幅に改善されることが示されている。
論文 参考訳(メタデータ) (2026-01-27T04:00:48Z) - Leveraging Machine Learning and Enhanced Parallelism Detection for BPMN Model Generation from Text [75.77648333476776]
本稿では、テキストからBPMNモデルを抽出する自動パイプラインについて紹介する。
この研究の重要な貢献は、新たに注釈付けされたデータセットの導入である。
モデルトレーニング用の32のパラレルゲートウェイを含む15の注釈付き文書でデータセットを増強する。
論文 参考訳(メタデータ) (2025-07-11T07:25:55Z) - Entropy-Regularized Token-Level Policy Optimization for Language Agent Reinforcement [67.1393112206885]
大規模言語モデル(LLM)は、対話的な意思決定タスクにおいてインテリジェントなエージェントとして期待されている。
本稿では,トークンレベルでのLLMの最適化に適したエントロピー拡張RL法である,エントロピー正規化トークンレベル最適化(ETPO)を導入する。
我々は,データサイエンスコード生成を多段階対話型タスクのシリーズとしてモデル化したシミュレーション環境におけるETPOの有効性を評価する。
論文 参考訳(メタデータ) (2024-02-09T07:45:26Z) - From Dialogue to Diagram: Task and Relationship Extraction from Natural
Language for Accelerated Business Process Prototyping [0.0]
本稿では、依存性解析と名前付きエンティティ認識(NER)の利用を、我々のアプローチの中心とする現代的ソリューションを紹介します。
我々は,行動関係の同定にSVO(Subject-Verb-Object)構造を用い,コンテキスト理解のためのWordNetなどの意味分析ツールを統合する。
このシステムはデータ変換と視覚化を十分に処理し、冗長に抽出された情報をBPMN(Business Process Model and Notation)ダイアグラムに変換する。
論文 参考訳(メタデータ) (2023-12-16T12:35:28Z) - An ontology-aided, natural language-based approach for multi-constraint
BIM model querying [0.0]
本稿では,異なる制約を含む自然言語クエリ(NLQ)を,複雑なBIMモデルを問合せするためのコンピュータ可読コードに自動的にマッピングする,新しいオントロジー支援セマンティクスを提案する。
実世界の住宅ビルの設計チェックに関する事例研究は,建設業における提案手法の実践的価値を実証している。
論文 参考訳(メタデータ) (2023-03-27T11:35:40Z) - Autoregressive Structured Prediction with Language Models [73.11519625765301]
本稿では, PLM を用いた自己回帰的手法を用いて, モデル構造を行動列として記述する。
我々のアプローチは、私たちが見てきた全ての構造化予測タスクにおいて、新しい最先端を実現する。
論文 参考訳(メタデータ) (2022-10-26T13:27:26Z)
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。