ERPA kutatási jelentések
Szövegosztályozó módszerek vizsgálata ügyfélszolgálati kérések előfeldolgozásához
A gyakori üzleti folyamatok feltárásához szükséges az eseménynaplók elemzésén túl más ügyfélkapcsolati csatornák tanulmányozása is. Ezen csatornák egyik legfontosabb eleme az e-mail. Mivel az e-mailek úgynevezett strukturálatlan szöveges formában léteznek, ezért kézenfekvő, hogy NLP-/NLU-technikákat vessünk be az üzleti folyamatok azonosítására, illetve feltárására. A kutatási modul célja, hogy az NLP-/NLU-szöveg tartalom osztályozási módszereit áttekintse és javaslatot tegyen egy szabad szöveges előfeldolgozó rendszer kidolgozására. Az ügyfelektől származó megkeresések előfeldolgozásával az ügyintéző munkája hatékonyabbá tehető, több idő szánható magára az ügyféllel végzett kommunikációra, illetve magára a feladat elvégzésére.
A gyakori üzleti folyamatok feltárásához szükséges az eseménynaplók elemzésén túl más ügyfélkapcsolati csatornák tanulmányozása is. Ezen csatornák egyik legfontosabb eleme az e-mail. Mivel az e-mailek úgynevezett strukturálatlan szöveges formában léteznek, ezért kézenfekvő, hogy NLP-/NLU-technikákat vessünk be az üzleti folyamatok azonosítására, illetve feltárására. A kutatási modul célja, hogy az NLP-/NLU-szöveg tartalom osztályozási módszereit áttekintse és javaslatot tegyen egy szabad szöveges előfeldolgozó rendszer kidolgozására. Az ügyfelektől származó megkeresések előfeldolgozásával az ügyintéző munkája hatékonyabbá tehető, több idő szánható magára az ügyféllel végzett kommunikációra, illetve magára a feladat elvégzésére.
ERPA kutatási jelentések
Application studies of autoencoders
At this stage of the research we have illustrated two applications of autoencoders, with respect medical and MNIST datasets in case of cancer and handwritten, where the aim is to detect the applications Malignant or Benign
At this stage of the research we have illustrated two applications of autoencoders, with respect medical and MNIST datasets in case of cancer and handwritten, where the aim is to detect the applications Malignant or Benign
ERPA kutatási jelentések
MLP-alapú elemiesemény-előrejelzés
A kutatás arra a kérdésre keresi a választ, hogy miként lehetséges egy már létező, adott eseményhalmaz alapján olyan neurális hálózatot készíteni, amely a megfelelő szintű betanulás után alkalmas az úgynevezett eseménypredikcióra. A predikció során egy adott eseménysor következő, várható elemét szeretnénk megjósolni. A kutatás ezen részében kizárólag elemiese-mény-predikció lehetséges megvalósításának vizsgálata a cél, amely során az MLP- (többrétegű perceptron hálózat) hálózatokkal foglalkozunk részleteiben, a prognosztizálást végző neurális hálózatot MLP-alapokon készítjük el.
A kutatás arra a kérdésre keresi a választ, hogy miként lehetséges egy már létező, adott eseményhalmaz alapján olyan neurális hálózatot készíteni, amely a megfelelő szintű betanulás után alkalmas az úgynevezett eseménypredikcióra. A predikció során egy adott eseménysor következő, várható elemét szeretnénk megjósolni. A kutatás ezen részében kizárólag elemiese-mény-predikció lehetséges megvalósításának vizsgálata a cél, amely során az MLP- (többrétegű perceptron hálózat) hálózatokkal foglalkozunk részleteiben, a prognosztizálást végző neurális hálózatot MLP-alapokon készítjük el.
ERPA kutatási jelentések
Neurális háló alapú összetett eseménylánc feltárása
A kutatási modul célja annak bizonyítása, hogy a mintafeltárás neurális háló alapú megközelítéssel is lehetséges legalább olyan hatékonysággal, mint amit a klasszikus, nem háló alapú módszerek biztosítanak. A kutatási modulban olyan neurálisháló architektúra kerül kidolgozásra, amely • minimumelvárásként a művelettípusokat és azok időbeliségét, • maximumelvárásként a műveletek költség- és sikerességstátuszát is figyelembe véve képes a folyamatmodell előállításra. A modulban kidolgozandó modell jellegére minimumelvárás, hogy ne csak az esemény szekven-ciákat, hanem az eseményfolyam-gráfmintákat is képes legyen előállítani.
A kutatási modul célja annak bizonyítása, hogy a mintafeltárás neurális háló alapú megközelítéssel is lehetséges legalább olyan hatékonysággal, mint amit a klasszikus, nem háló alapú módszerek biztosítanak. A kutatási modulban olyan neurálisháló architektúra kerül kidolgozásra, amely • minimumelvárásként a művelettípusokat és azok időbeliségét, • maximumelvárásként a műveletek költség- és sikerességstátuszát is figyelembe véve képes a folyamatmodell előállításra. A modulban kidolgozandó modell jellegére minimumelvárás, hogy ne csak az esemény szekven-ciákat, hanem az eseményfolyam-gráfmintákat is képes legyen előállítani.
ERPA kutatási jelentések
Folyamatleíró modellek és automatikus feltárásuk
Egy vállalat működését az üzleti folyamatai határozzák meg. Ezek a munkafolyamatok olyan feladatok sorozatából állnak, amelyeket az alkalmazottak rendszeresen végeznek konkrét célok elérése érdekében. Ezeknek a folyamatoknak a formális leírása kulcsfontosságú tényező a vállalat működésének hatékonyabbá tétele szempontjából. A számítógépes munkavégzés során elvégzett tevékenységeket (bekövetkezett eseményeket) eseménynaplók tárolják. Mivel az eseménynaplót a rendszer automatikusan rögzíti, első körben feltételezzük, hogy valós adatokat tartalmaz. Jelen kutatás célja vizsgálni azokat a módszereket, amelyekkel a napló adataiból kikövetkeztethető az az általános folyamatmodell, amelyre a napló összes eseményszekvenciája illeszkedik. A vizsgálatot azért végezzük, hogy kiválasszunk benchmark eljárásokat a saját módszerünk értékeléséhez.
Egy vállalat működését az üzleti folyamatai határozzák meg. Ezek a munkafolyamatok olyan feladatok sorozatából állnak, amelyeket az alkalmazottak rendszeresen végeznek konkrét célok elérése érdekében. Ezeknek a folyamatoknak a formális leírása kulcsfontosságú tényező a vállalat működésének hatékonyabbá tétele szempontjából. A számítógépes munkavégzés során elvégzett tevékenységeket (bekövetkezett eseményeket) eseménynaplók tárolják. Mivel az eseménynaplót a rendszer automatikusan rögzíti, első körben feltételezzük, hogy valós adatokat tartalmaz. Jelen kutatás célja vizsgálni azokat a módszereket, amelyekkel a napló adataiból kikövetkeztethető az az általános folyamatmodell, amelyre a napló összes eseményszekvenciája illeszkedik. A vizsgálatot azért végezzük, hogy kiválasszunk benchmark eljárásokat a saját módszerünk értékeléséhez.
ERPA kutatási jelentések
Eseménysorok gyakori mintáinak feltárása gráfalapú módszerrel
A projekt keretében az én feladatom általában a matematikai modellezés, ezen belül, a gráf/hálózatalapú folyamatfeltárás területén: ‒ diszkrét matematikai módszerek elemzése és rendszerezése, az eseménysorok gyakori mintáinak feltárása; ‒ módszerek kidolgozása az eseménysorok gyakori mintáinak a feltárására; ‒ gráfokon alapuló modellek leírásának dokumentálása és ezeknek a módszereknek az elemzése; ‒ algoritmusok megfogalmazása, és az elvégzett elemzések dokumentálása.
A projekt keretében az én feladatom általában a matematikai modellezés, ezen belül, a gráf/hálózatalapú folyamatfeltárás területén: ‒ diszkrét matematikai módszerek elemzése és rendszerezése, az eseménysorok gyakori mintáinak feltárása; ‒ módszerek kidolgozása az eseménysorok gyakori mintáinak a feltárására; ‒ gráfokon alapuló modellek leírásának dokumentálása és ezeknek a módszereknek az elemzése; ‒ algoritmusok megfogalmazása, és az elvégzett elemzések dokumentálása.
ERPA kutatási jelentések
Eseménynaplók a gyakorlatban
A mesterséges intelligencián alapuló informatikai rendszerek egyik kulcskérdése a megfelelő adathalmaz, hiszen ez teszi lehetővé a ráépülő folyamatok, a tanuló algoritmusok tervezését, a megfelelő betanulást. A magas minőségű adathalmaz tehát kulcsfontosságú, ezért kiemelt figyelemmel kell megközelíteni a problémát. A kutatás egyik alappillére tehát a megfelelő input-eseményhalmaz rendelkezésre álló formátumai közül az OCEL és a CSV formátumok gyakorlati szempontból való áttekintése. Jelen cikk az aktivitás naplók általános strukturális kérdéseit és azok Python környezetben való feldolgozhatóságát vizsgálja gyakorlati szempontból. Bemutatásra kerül egy olyan általános memóriabeli modellformátum, amely több típusú inputhalmaz általános kezelésére és leírására szolgál.
A mesterséges intelligencián alapuló informatikai rendszerek egyik kulcskérdése a megfelelő adathalmaz, hiszen ez teszi lehetővé a ráépülő folyamatok, a tanuló algoritmusok tervezését, a megfelelő betanulást. A magas minőségű adathalmaz tehát kulcsfontosságú, ezért kiemelt figyelemmel kell megközelíteni a problémát. A kutatás egyik alappillére tehát a megfelelő input-eseményhalmaz rendelkezésre álló formátumai közül az OCEL és a CSV formátumok gyakorlati szempontból való áttekintése. Jelen cikk az aktivitás naplók általános strukturális kérdéseit és azok Python környezetben való feldolgozhatóságát vizsgálja gyakorlati szempontból. Bemutatásra kerül egy olyan általános memóriabeli modellformátum, amely több típusú inputhalmaz általános kezelésére és leírására szolgál.
ERPA kutatási jelentések
Eseménynapló-leíró szabványok elemzése
A projekt fő célja, hogy neurális háló alapú megoldást találjunk a gyakori folyamatszekvenciák és folyamatgráfok meghatározására az eseménynapló állományok adatai alapján. A folyamatbányász algoritmusok alkalmazása előtt azonban biztosítanunk kell az eseménynaplók megfelelő minőségét és egységes formátumát. Jelen kutatás célja megtalálni azt a formátumot, amelyre a meglévő eseménynaplók egyszerűen konvertálhatók, illeszkedik a neurális hálók inputformátumára, és amely biztosítja a szekvenciafeldolgozó algoritmusok hatékony működését.
A projekt fő célja, hogy neurális háló alapú megoldást találjunk a gyakori folyamatszekvenciák és folyamatgráfok meghatározására az eseménynapló állományok adatai alapján. A folyamatbányász algoritmusok alkalmazása előtt azonban biztosítanunk kell az eseménynaplók megfelelő minőségét és egységes formátumát. Jelen kutatás célja megtalálni azt a formátumot, amelyre a meglévő eseménynaplók egyszerűen konvertálhatók, illeszkedik a neurális hálók inputformátumára, és amely biztosítja a szekvenciafeldolgozó algoritmusok hatékony működését.
ERPA kutatási jelentések
Felhasználói tevékenységek monitorozása
Az ERPA projekt által megfogalmazott egyik fontos cél, hogy a rendelkezésre álló, valamilyen információs rendszerből kinyert aktivitásnaplók alapján bizonyos események előre megjósolha-tók legyenek valamilyen hatékonyan konfigurálható mesterséges neurális hálózatot alkalmazó modell segítségével. A mesterséges intelligencián alapuló informatikai rendszerek egyik kulcskérdése a megfelelő adathalmaz, hiszen ez teszi lehetővé a ráépülő folyamatok, a tanuló algoritmusok tervezését, a megfelelő betanulást. A magas minőségű adathalmaz tehát kulcsfontosságú, ezért kiemelt figyelemmel kell megközelíteni a problémát. Jelen projekt során az adatokat az üzemeltetett rendszerben elvégzett felhasználói tevékenységek rögzítése, monitorozása fogja nyújtani. A rögzített adatok, a munkafolyamat lépések egy magasabb szintű szekvenciába, tranzakcióba szerveződnek. Mivel a rendszert egyszerre több felhasználó is használja, így egy olyan naplófájl fog létrejönni, amelyekben véletlenszerűen keverednek a különböző tranzakciókhoz tartozó tevékenységek. Jelen dokumentum áttekinti a felhasználói aktivitás naplózásának legfontosabb kulcskérdéseit, problémáit és egyaránt gyakorlati oldalról is bemutatja a naplófájlok egy lehetséges feldolgozásának kérdéseit.
Az ERPA projekt által megfogalmazott egyik fontos cél, hogy a rendelkezésre álló, valamilyen információs rendszerből kinyert aktivitásnaplók alapján bizonyos események előre megjósolha-tók legyenek valamilyen hatékonyan konfigurálható mesterséges neurális hálózatot alkalmazó modell segítségével. A mesterséges intelligencián alapuló informatikai rendszerek egyik kulcskérdése a megfelelő adathalmaz, hiszen ez teszi lehetővé a ráépülő folyamatok, a tanuló algoritmusok tervezését, a megfelelő betanulást. A magas minőségű adathalmaz tehát kulcsfontosságú, ezért kiemelt figyelemmel kell megközelíteni a problémát. Jelen projekt során az adatokat az üzemeltetett rendszerben elvégzett felhasználói tevékenységek rögzítése, monitorozása fogja nyújtani. A rögzített adatok, a munkafolyamat lépések egy magasabb szintű szekvenciába, tranzakcióba szerveződnek. Mivel a rendszert egyszerre több felhasználó is használja, így egy olyan naplófájl fog létrejönni, amelyekben véletlenszerűen keverednek a különböző tranzakciókhoz tartozó tevékenységek. Jelen dokumentum áttekinti a felhasználói aktivitás naplózásának legfontosabb kulcskérdéseit, problémáit és egyaránt gyakorlati oldalról is bemutatja a naplófájlok egy lehetséges feldolgozásának kérdéseit.