Feb, 2022

声明性过程的利益相关者效用度量及其在过程比较中的应用

PDF
TL;DR本文介绍了一种可以计算和分析利益相关者的效用的方法，并适用于商业流程分析，医疗工作流分析和政策流程分析等方面的研究领域。该方法基于申明性过程，使用申明性约束的模态和 / 或时间特性派生了一个可适用于一般情况的利益相关者效用度量。
stakeholder utilitiesprocess analysisdeclarative processeshealthcare workflowspolicy process analysis
发现论文，激发创造
  • 基于流的声明式流程监视和发现方法

    提出了一个基于数据生成动态条件响应 (DCR) 图的算法，实现了对进程模型的自动更新，并采用定量和定性评估的方式验证了该方法的有效性。

    Aug, 2022

  • 基于规则的 LTLf 过程规范的测量：一种基于概率的数据驱动方法

    本文介绍了一种为声明性流程规范设计概率测量的框架。提出了一种测量事件日志上规范满足度的技术，并使用真实数据进行了评估，证明了它在发现、检查和漂移检测方面的适用性。

    May, 2023

  • 联邦灾害援助政策 —— 宣言式分析

    本文采用新的定量方法，从三个不同的利益相关者的角度，对联邦灾害援助政策进行了量化分析，并考虑了三个政策修改，分析了随着过程的变化，利益相关者满意度的变化。该分析被用于根据所有集体利益相关者的首选项来排名四种政策的好处程度。

    Jul, 2022

  • 测量声明式流程规范中的不一致性

    这篇研究论文解决了测量申明性进程规范不一致性的问题，重点介绍了固定跟踪（LTLff）的线性时间逻辑的不一致性，提出了一种新的不完全一致语义作为不一致性测量的框架。提出两种基于这些语义的不一致性度量，并研究了引入方法的计算复杂性。

    Jun, 2022

  • 超越专业知识与角色：可解释机器学习参与者及其需求的框架

    通过对利益相关者进行更细致的区分和认知，使黑匣子自动化系统更易于被解释和理解，在机器学习、数据领域和一般环境中对利益相关者进行了表征，并区分了域目标和可解释性任务。通过对我们的框架的描述、评价和生成力的评估，我们发现我们对利益相关者的更微妙的处理揭示了可解释性文献中的空白与机会，增加了用户研究的设计和比较的精度，并促进了更反思性的研究方法。

    Jan, 2021

  • 效用协商作为分类问题

    本论文研究了将分类技术应用于效用调查中，通过识别与先前收集的效用函数数据库相关的群集来确定新用户的效用函数，从而减少全面求取用户效用的困难，并且在产前诊断领域的实验结果是相当有前途的。

    Jan, 2013

  • 可视化过程可以优化什么？

    本文提出了可视化和推理过程的抽象模型，并描述了一种信息论度量来优化这些过程。我们提出了一种基于信息论的成本效益比度量，以优化数据可视化过程。

    Jun, 2015

  • System-2 推荐系统：通过时间点过程将效用与参与度解耦

    本文探讨了一种新的推荐系统方法，基于用户返回概率而非用户参与度来推测用户效用，以实现基于用户效用的内容优化。

    May, 2024

  • 临床治疗的声明性指南符合性检查：案例研究

    本研究使用基于规则的声明性检查方法，利用 Arden Syntax 标准检查医疗指南中的治疗案例，并使用手动对齐方法重构大部分医疗指南，以解决现有命令式检查方法难以解决的高变化、高动态和复杂的医疗过程问题。

    Sep, 2022

  • 基于形式概念分析和 Dempster-Shafer 理论的灵活分类

    审计中的业务流程分类是重要的一部分，本文提出了一种基于加权二分图和正式概念分析方法的可解释的业务流程分类框架，并利用该框架描述了一种可以提供异常检测和分类的机器学习元算法。

    Dec, 2023