GUIDO: A Hybrid Approach to Guideline Discovery & Ordering from Natural Language Texts

要約

テキスト記述からワークフロー ネットを抽出することは、ガイドラインを簡素化したり、ビジネス プロセスやアルゴリズムなどの正式なプロセスのテキスト記述を形式化したりするために使用できます。
ただし、プロセスを手動で抽出するタスクには、その分野の専門知識と労力が必要です。
自動プロセス モデル抽出は望ましいですが、形式化されたプロセス モデルをテキストに注釈を付けるにはコストがかかります。
したがって、機械学習ベースの抽出アプローチはわずかしかありません。
一方、ルールベースのアプローチが適切に機能するにはドメインの特異性が必要であり、テキスト記述内の関連情報と無関係な情報を区別することはほとんどできません。
この論文では、プロセス モデル抽出タスクに対するハイブリッド アプローチである GUIDO を紹介します。このアプローチでは、まず BERT ベースの文分類器を使用して、プロセス モデルとの関連性に関して文を分類し、次に次のように分類された文からプロセス モデルを抽出します。
関連性のある、依存関係の解析を使用します。
提示されたアプローチは、純粋なルールベースのアプローチよりも大幅に優れた結果を達成します。
GUIDO は、平均行動類似性スコア 0.93 ドルを達成しました。
それでも、純粋に機械学習ベースのアプローチと比較すると、アノテーションのコストは低いままです。

要約(オリジナル)

Extracting workflow nets from textual descriptions can be used to simplify guidelines or formalize textual descriptions of formal processes like business processes and algorithms. The task of manually extracting processes, however, requires domain expertise and effort. While automatic process model extraction is desirable, annotating texts with formalized process models is expensive. Therefore, there are only a few machine-learning-based extraction approaches. Rule-based approaches, in turn, require domain specificity to work well and can rarely distinguish relevant and irrelevant information in textual descriptions. In this paper, we present GUIDO, a hybrid approach to the process model extraction task that first, classifies sentences regarding their relevance to the process model, using a BERT-based sentence classifier, and second, extracts a process model from the sentences classified as relevant, using dependency parsing. The presented approach achieves significantly better results than a pure rule-based approach. GUIDO achieves an average behavioral similarity score of $0.93$. Still, in comparison to purely machine-learning-based approaches, the annotation costs stay low.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google