专栏首页arxiv.org翻译专栏从过程变量中提取特征的案例管理(CS SE)
原创

从过程变量中提取特征的案例管理(CS SE)

案例管理支持知识工作者以灵活的方式执行知识密集型流程。案例管理的一个重要组成部分是模板流程,模板流程会根据案例的特性有所不同,以适应案例的使用情境。修改模板会生成许多不完全相同但有一定相关性的流程变体,然而,这一过程非常耗时,还可能会导致错误。本文定义了一种在案例管理中从以工件为中心的从过程变量中提取特征片段的方法,通过组合提取的特征,可以得到输入变量和其他过程变量,从而可以更有效地设计以工件为中心的复杂过程变量,并提高其质量。

原文题目:Extracting Features From Process Variants in Case Management

原文:Case Management supports knowledge workers in performing knowledge-intensive processes in a flexible way. An essential ingredient of Case Management are template processes that are modified for a specific case to suit the context of that case. Modifying templates results in many different yet related process variants. However, modifying a template is time consuming and may lead to errors. This paper defines an approach to extract fragments, called features, from artifact-centric process variants in case management. By composing the extracted features, the input variants and other process variants can be derived. This way, complex artifact-centric process variants can be designed more efficiently and their quality improves, since well-known modifications are applied.

原文作者:Rik Eshuis

原文链接:https://arxiv.org/abs/2006.00236

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • Squeeze-and-Excitation Networks

    卷积神经网络(CNNs)的核心构件是卷积算子,它通过在每一层的局部接受域内融合空间和信道信息来构造信息特征。之前的大量研究已经研究了这种关系的空间成分,试图通过...

    狼啸风云
  • 专业指南丨计算机科学和软件工程,哪个更适合你?

    2018年高考已落下帷幕,选择什么大学、报考什么专业又将成为考生和家长要面对的难题。对于之后想成为软件工程师的考生而言,计算机科学和软件工程专业哪个更适合自己呢...

    CDA数据分析师
  • 雪浪制造AI挑战赛(计算辅助良品检测)--top1方案分享

    从今天开始以后会分享一些大佬的竞赛相关的实战案例,很多比赛的题目都是基于实际的需要,所以可以说含金量非常高,分享这些优秀同学的作品也是希望能和大家共同成长进步。...

    AI算法与图像处理
  • 干货 | ImageNet冠军模型SE-Net详解

    AI 科技评论按:本文首发于公众号 MomentaAI,已获授权转载。 论文链接: https://arxiv.org/abs/1709.01507 GitHu...

    AI科技评论
  • 专栏 | Momenta详解ImageNet 2017夺冠架构SENet

    机器之心
  • 奖学金评分系统(系统分析与设计版与Delphi实现代码)

    在奖学金评比过程中,学生综合测评是学校普遍采用的评比手段。对学生实施综合素质测评的目的在于正确评价学生的综合素质,为评奖学金提供依据,实现学生教育管理工作的标准...

    用户1621453
  • SENet: Squeeze-and-Excitation Networks (2017) 全文翻译

    Jie Hu,Li Shen,Samuel Albanie,Gang Sun,Enhua Wu

    魏晓蕾
  • 金融/语音/音频处理学术速递[6.28]

    【1】 Sovereign wealth funds: main activity trends 标题:主权财富基金:主要活动趋势

    公众号-arXiv每日学术速递
  • 重磅综述—从fMRI动态角度窥探认知与神经病理学机制

    人类行为包括许多因其动态特性而突出的方面。为了量化它的神经基础,时间分辨的功能磁共振成像方法在过去十年得到了发展。在这篇综述中,我们概念性地组织了一个广泛的动态...

    悦影科技
  • 2018腾讯广告算法大赛总结/0.772229/Rank11

    liupengsay/2018-Tencent-social-advertising-algorithm-contest​github.com

    Coggle数据科学
  • 转载|使用PaddleFluid和TensorFlow实现图像分类网络SE_ResNeXt

    视觉(vision)、自然语言处理(Nature Language Processing, NLP)、语音(Speech)是深度学习研究的三大方向。三大领域各自...

    用户1386409
  • CVPR2021-即插即用 | Coordinate Attention详解与CA Block实现(文末获取论文原文)

    Mobile Network设计的最新研究成果表明,通道注意力(例如,SE注意力)对于提升模型性能具有显著效果,但它们通常会忽略位置信息,而位置信息对于生成空间...

    用户3605500
  • Squeeze-and-Excitation Networks论文翻译——中文版

    Squeeze-and-Excitation Networks 摘要 卷积神经网络建立在卷积运算的基础上,通过融合局部感受野内的空间信息和通道信息来提取信息特征...

    Tyan
  • 【CV中的Attention机制】基础篇-视觉注意力机制和SENet

    注意力机制(Attention Mechanism)是机器学习中的一种数据处理方法,广泛应用在自然语言处理、图像识别及语音识别等各种不同类型的机器学习任务中。注...

    深度学习技术前沿公众号博主
  • Paper Reading | VINet 深度神经网络架构

    2017年3月10日,Momenta老司机带你读Paper,第三趟车已出发!你,跟得上吗?

    用户1908973
  • 注意力机制又一大作!DCANet:学习卷积神经网络的连接注意力

    【导读】今天给大家分享一篇关于注意力机制方面的优秀论文,该论文提出了深度连接注意力网络(DCANet),这是一种新颖的设计,在不改变CNN模型内部结构的情况下可...

    深度学习技术前沿公众号博主
  • Attention注意力机制及其在计算机视觉中的应用

    Attention机制源于对人类视觉的研究。在认知科学中,由于信息处理的瓶颈,人类会选择性的关注所有信息的一部分,同时忽略其他可见的信息。实现这一能力的原因是人...

    狼啸风云
  • 问答 | 怎么评价基于深度学习的deepvo,VINet?

    1.DeepVO: A Deep Learning approach for Monocular Visual Odometry;

    AI研习社
  • BraTS18——多模态MR图像脑肿瘤分割挑战赛续4

    今天将继续分享从网络结构上进行改进提出SEVNet模型来分割脑肿瘤。为了方便大家学习理解整个分割流程,我将整个流程步骤进行了整理,并给出每个步骤的结果,希望对大...

    医学处理分析专家

扫码关注云+社区

领取腾讯云代金券