Nov, 2022

高等教育学习计划和监控的过程挖掘和基于规则人工智能的综合方法

PDF
TL;DR使用过程挖掘和基于规则的人工智能，从校园管理系统数据和学习计划模型中分析和理解学生的学习路径，检测和可视化异常计划，并提供建议和要求，实现学习计划的规划和监控。
发现论文，激发创造
  • 自动化流程规划和挖掘

    本研究项目旨在通过将人工智能和商业流程管理领域的研究结合起来，自动从执行流程数据中导出流程模型，并进行自适应规划和执行实时预测的业务流程。

    Aug, 2022

  • 从事件数据中提取规则进行研究计划

    本研究旨在使用高校管理系统的事件数据分析高等教育学生的学习路径，为他们的学习规划提供有价值的指导。通过运用流程和数据挖掘技术探索所学课程序列对学业成功的影响，我们生成基于数据的决策树模型，用于学习规划，并与推荐的学习计划进行比较评估。评估侧重于 RWTH Aachen 大学计算机科学本科生，证明所提出的课程顺序特征能有效解释学业表现指标，并为进一步开发更具适应性的学习规划提出了建议。

    Oct, 2023

  • 自主学习评估中的过程挖掘在电子学习中的应用

    通过对 101 名大学生使用 Moodle 2.0 平台进行自主学习课程的交互记录进行数据分析，使用归纳挖掘算法发现了学生成绩良好和学生成绩较差的自主学习过程模型，并发现良好成绩组有较多与论坛协作学习相关的行为动作，而成绩较差组则相反。

    Feb, 2024

  • 流程预测深度学习现有技术的系统文献综述

    该研究综合了深度学习算法在流程挖掘中的应用，着重通过系统性文献综述的方式，分析不同数据处理方案、网络拓扑结构、以及目标预测等方面的优缺点。

    Jan, 2021

  • 可解释的人工智能用于过程建模的改进

    通过使用现代 Transformer 架构和传统机器学习技术，评估模拟过程规律的能力，并突出关键特征，提高模型预测能力。证明了应用机器学习模型预测关键业务流程的有效性以及 XAI 组件提供的新见解。

    Dec, 2022

  • 发现分层流程模型：基于事件聚类的方法

    本文介绍了一种基于事件聚类的自动化合成算法，用于从底层事件日志中发现层次化业务流程模型，以便生成更易读和理解的过程模型。

    Mar, 2023

  • 朝向以知识为中心的过程挖掘

    本文提出了一种基于知识图谱的方法，用于缓解事件日志中的噪声 / 不完整信息对流程分析技术的影响，并帮助流程分析师理解与事件日志相关的可变性。

    Jan, 2023

  • 心力衰竭患者治疗路径的过程感知分析：一个案例研究

    通过对稀疏心衰患者数据集进行处理挖掘和决策挖掘，本研究探讨了在医疗保健领域处理不同类型数据的各种挑战，并分析了患者心衰数据中与多个研究问题相关的信息增益和决策结果。

    Mar, 2024

  • 从时间数据中学习行动，推荐最佳策略

    本文提出了一个基于强化学习的方法来学习，通过观察过去的执行来推荐最佳活动以优化感兴趣的 KPI，首先通过学习特定 KPI 的马尔可夫决策过程，然后使用 RL 训练来学习最优策略，该方法通过在真实和合成数据集上的验证，并与异策略深度 RL 方法进行比较，表明了我们方法与深度 RL 方法相比，具有同等或更好优势，从而为利用白盒 RL 技术的场景提供了贡献，其中仅有时间执行数据可用。

    Mar, 2023

  • 从事件日志中自动发现过程模型：评估与基准

    该论文通过对 12 个公开事件日志，12 个专有事件日志和 9 个质量指标的评估，对自动化流程发现方法进行了系统的回顾和比较评估，突出了该领域存在的差距和未被探索的权衡，其中包括某些方法缺乏可扩展性以及它们在所使用的不同质量度量方面性能强烈分歧。

    May, 2017