Chit-Chat or Deep Talk: Prompt Engineering for Process Mining

要約

この研究では、プロセス マイニングにおける会話エージェントを強化するための大規模言語モデル (LLM) のアプリケーションを調査し、その固有の複雑さと多様なスキル要件に取り組むことを目的としています。
LLM の進歩は、会話型プロセス マイニングに新たな機会をもたらしますが、効率的な出力を生成することは依然としてハードルです。
私たちは、会話型エージェントの自然言語処理 (NLP) に関する先行研究に基づいて、既存のソリューションの多くの問題を修正する革新的なアプローチを提案します。
公開質問とデータセットの実験で実証されているように、LLM を活用することで、当社のフレームワークはアクセシビリティとエージェントのパフォーマンスの両方を向上させます。
私たちの研究は、プロセス マイニングにおける LLM の役割についての将来の調査の準備を整え、LLM メモリの強化、リアルタイム ユーザー テストの実装、および多様なデータ セットの調査に関する提案で終わります。

要約(オリジナル)

This research investigates the application of Large Language Models (LLMs) to augment conversational agents in process mining, aiming to tackle its inherent complexity and diverse skill requirements. While LLM advancements present novel opportunities for conversational process mining, generating efficient outputs is still a hurdle. We propose an innovative approach that amend many issues in existing solutions, informed by prior research on Natural Language Processing (NLP) for conversational agents. Leveraging LLMs, our framework improves both accessibility and agent performance, as demonstrated by experiments on public question and data sets. Our research sets the stage for future explorations into LLMs’ role in process mining and concludes with propositions for enhancing LLM memory, implementing real-time user testing, and examining diverse data sets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google