کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4942469 659471 2017 25 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Mining task post-conditions: Automating the acquisition of process semantics
ترجمه فارسی عنوان
معادن وظایف پس از شرایط: اتوماسیون دستیابی به معانی فرآیند
ترجمه چکیده
حاشیه نویسی معنایی مدل فرایند کسب و کار در طرح های فرآیند کسب و کار در یک کار بزرگ و رو به رشد مورد توجه قرار گرفته است، اما این حاشیه نویسی می تواند بسیار دشوار و گران باشد. این مقاله روشی مبتنی بر داده ها را برای استخراج و تایید این حاشیه نویسی ها (و خصوصا حاشیه نویسی معنایی مستقل از متن) ارائه می دهد. ما اهرم های رویداد را در تاریخ های اجرای فرآیند که هر دو رویداد اجرایی فعالیت (معمولا به عنوان رویدادهای فرآیند) و رویدادهای به روز رسانی دولت (که به عنوان رویدادهای انتقال حالت حالت نمایش داده می شوند) شرح می دهند. ما یک ارزیابی تجربی ارائه می دهیم که نشان می دهد که این رویکرد نتایج به طور کلی قابل اعتماد است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
Semantic annotation of business process model in the business process designs has been addressed in a large and growing body of work, but these annotations can be difficult and expensive to acquire. This paper presents a data-driven approach to mining and validating these annotations (and specifically context-independent semantic annotations). We leverage event objects in process execution histories which describe both activity execution events (typically represented as process events) and state update events (represented as object state transition events). We present an empirical evaluation, which suggests that the approach provides generally reliable results.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Data & Knowledge Engineering - Volume 109, May 2017, Pages 112-125
نویسندگان
, , ,