Approccio Neuro-Simbolico per la Predizione di Suffissi nella Gestione dei Processi Aziendali
Un nuovo articolo di ricerca ha svelato un metodo chiamato Monitoraggio Predittivo dei Processi Neuro-Simbolico (PPM), che combina intuizioni basate sui dati con conoscenze consolidate radicate nella logica temporale per migliorare la predizione di suffissi nella Gestione dei Processi Aziendali (BPM). Questo metodo prende la Logica Temporale Lineare su tracce finite (LTLf) e la incorpora nell'addestramento di predittori di sequenze autoregressivi. Utilizza una funzione di perdita logica speciale derivata da un'approssimazione soft della semantica LTLf, insieme al trucco Gumbel-Softmax. Ciò garantisce che i suffissi generati siano accurati e logicamente validi, affrontando le limitazioni osservate nei modelli di deep learning che spesso non soddisfano criteri logici essenziali. L'efficacia del metodo è stata confermata attraverso esperimenti.
Fatti principali
- L'articolo è pubblicato su arXiv con ID 2509.00834v2.
- Affronta la predizione di suffissi nella Gestione dei Processi Aziendali (BPM).
- L'approccio integra l'apprendimento basato sui dati con la conoscenza pregressa basata sulla logica temporale.
- Utilizza la Logica Temporale Lineare su tracce finite (LTLf) nell'addestramento.
- Una funzione di perdita logica differenziabile è definita usando un'approssimazione soft della semantica LTLf e il trucco Gumbel-Softmax.
- Il metodo combina la perdita logica con le perdite predittive standard.
- Mira a generare suffissi che siano sia accurati che logicamente consistenti.
- La valutazione sperimentale è inclusa nell'articolo.
Entità
Istituzioni
- arXiv