SNAP: Semantic Stories for Next Activity Prediction

要約

進行中のプロセスにおける次のアクティビティの予測は、ビジネス プロセス管理 (BPM) ドメインで最も一般的な分類タスクの 1 つです。
これにより、企業はリソース割り当てを最適化し、業務効率を向上させ、リスク軽減と戦略的意思決定を支援できます。
これにより、急速に進化する BPM と AI の融合において競争力が高まります。
ビジネス プロセス予測のための既存の最先端 AI モデルは、プロセス イベント ログ内の利用可能なセマンティック情報を十分に活用していません。
現在の高度な AI-BPM システムが意味的に豊富なテキスト データを提供するにつれて、新しい適切なモデルの必要性が高まっています。
このギャップに対処するために、プロセス履歴イベント ログからセマンティック コンテキスト ストーリーを構築し、それを次のアクティビティ予測に使用することにより、言語基盤モデルを活用する新しい SNAP 手法を提案します。
私たちは 6 つのベンチマーク データセットで SNAP アルゴリズムを 9 つの最先端モデルと比較し、特に高レベルのセマンティック コンテンツを含むデータセットでは SNAP がそれらを大幅に上回っていることを示しました。

要約(オリジナル)

Predicting the next activity in an ongoing process is one of the most common classification tasks in the business process management (BPM) domain. It allows businesses to optimize resource allocation, enhance operational efficiency, and aids in risk mitigation and strategic decision-making. This provides a competitive edge in the rapidly evolving confluence of BPM and AI. Existing state-of-the-art AI models for business process prediction do not fully capitalize on available semantic information within process event logs. As current advanced AI-BPM systems provide semantically-richer textual data, the need for novel adequate models grows. To address this gap, we propose the novel SNAP method that leverages language foundation models by constructing semantic contextual stories from the process historical event logs and using them for the next activity prediction. We compared the SNAP algorithm with nine state-of-the-art models on six benchmark datasets and show that SNAP significantly outperforms them, especially for datasets with high levels of semantic content.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google