Bridging Domain Knowledge and Process Discovery Using Large Language Models

要約

適切なプロセス モデルを発見することは、適合性チェックやプロセス改善などのさまざまなプロセス分析タスクに不可欠です。
自動化されたプロセス検出方法では、貴重なドメイン知識が見落とされることがよくあります。
ドメインの専門家からの洞察やプロセスの詳細な文書を含むこの知識は、プロセスの検出中にほとんど活用されないままです。
このペーパーでは、大規模言語モデル (LLM) を活用して、そのような知識をプロセス発見に直接統合します。
LLM から派生したルールを使用してモデル構築をガイドし、ドメイン知識と実際のプロセス実行の両方との整合性を確保します。
LLM を統合することにより、自然言語で表現されたプロセス知識と堅牢なプロセス モデルの発見の間に橋渡しを行い、プロセス発見方法論を大幅に進歩させます。
私たちのフレームワークの使いやすさを示すために、UWV 従業員保険代理店とケーススタディを実施し、その実際的な利点と有効性を実証しました。

要約(オリジナル)

Discovering good process models is essential for different process analysis tasks such as conformance checking and process improvements. Automated process discovery methods often overlook valuable domain knowledge. This knowledge, including insights from domain experts and detailed process documentation, remains largely untapped during process discovery. This paper leverages Large Language Models (LLMs) to integrate such knowledge directly into process discovery. We use rules derived from LLMs to guide model construction, ensuring alignment with both domain knowledge and actual process executions. By integrating LLMs, we create a bridge between process knowledge expressed in natural language and the discovery of robust process models, advancing process discovery methodologies significantly. To showcase the usability of our framework, we conducted a case study with the UWV employee insurance agency, demonstrating its practical benefits and effectiveness.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google