From Dialogue to Diagram: Task and Relationship Extraction from Natural Language for Accelerated Business Process Prototyping

要約

冗長な自然言語記述を構造化プロセス モデルに自動的に変換することは、依然として非常に複雑な課題です。この文書では、重要な要素を抽出するための依存関係解析と固有表現認識 (NER) の使用がアプローチの中心である最新のソリューションを紹介します。
文字説明より。
さらに、アクションの関係を識別するために主語-動詞-目的語 (SVO) 構造を利用し、文脈上の理解を強化するために WordNet などの意味分析ツールを統合します。
私たちのシステムの新しい側面は、SpaCy フレームワークと統合されたニューラル共参照解決のアプリケーションであり、エンティティのリンクと照応参照の精度を向上させます。
さらに、システムはデータ変換と視覚化を適切に処理し、抽出された情報を BPMN (Business Process Model and Notation) 図に変換します。
この方法論は、ビジネス ワークフローを取得して表現するプロセスを合理化するだけでなく、従来のモデリング アプローチに固有の手作業の労力とエラーの可能性を大幅に削減します。

要約(オリジナル)

The automatic transformation of verbose, natural language descriptions into structured process models remains a challenge of significant complexity – This paper introduces a contemporary solution, where central to our approach, is the use of dependency parsing and Named Entity Recognition (NER) for extracting key elements from textual descriptions. Additionally, we utilize Subject-Verb-Object (SVO) constructs for identifying action relationships and integrate semantic analysis tools, including WordNet, for enriched contextual understanding. A novel aspect of our system is the application of neural coreference resolution, integrated with the SpaCy framework, enhancing the precision of entity linkage and anaphoric references. Furthermore, the system adeptly handles data transformation and visualization, converting extracted information into BPMN (Business Process Model and Notation) diagrams. This methodology not only streamlines the process of capturing and representing business workflows but also significantly reduces the manual effort and potential for error inherent in traditional modeling approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google