Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Kongresse
Themenseiten
Künstliche Intelligenz Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Veranstaltungskalender Awards MyNewsletter Firmensuche
Kunden Login
Über Einzelzugang informieren
Über Unternehmenszugang informieren
Referenzkunden
Zukunftswerkstatt Sales Excellence 2025 | 08. Mai 2025

KI als Booster im Vertrieb

Lernen Sie von Digital-Experten, wie der gezielte Einsatz von KI-Unterstützung Ihrem Unternehmen in vielen Bereichen hilft, im Vertrieb einen Schritt voraus zu sein. Jetzt wieder live vor Ort teilnehmen in Frankfurt am Main!
Erweiterte Suche
Anmelden
nach oben
The Journal of Supercomputing
Erschienen in:

22.09.2023

Design-time business process compliance assessment based on multi-granularity semantic information

verfasst von: Xiaoxiao Sun, Siqing Yang, Chenying Zhao, Dongjin Yu

Erschienen in: The Journal of Supercomputing | Ausgabe 4/2024

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Der Artikel stellt eine Methode zur Automatisierung der Überprüfung der Einhaltung von Geschäftsprozessen in der Designphase vor, indem semantische Regeln aus regulatorischen Dokumenten mittels Deep Learning und natürlicher Sprachverarbeitung extrahiert werden. Der Ansatz adressiert die Herausforderungen der manuellen Compliance-Prüfung, die arbeitsintensiv und fehleranfällig ist. Durch die Nutzung fortschrittlicher NLP-Techniken kann die Methode drei Arten von Verstößen gegen Geschäftsprozesse erkennen: fehlende Maßnahmen, falsche Akteure und Verstöße gegen die Ausführung außerhalb der Ordnung. Der Artikel enthält auch eine Fallstudie und Evaluierungsexperimente, die die Wirksamkeit der vorgeschlagenen Methode belegen. Darüber hinaus diskutieren die Autoren potenzielle Verbesserungen und zukünftige Arbeiten zur Verbesserung des Verständnisses und der Benutzerfreundlichkeit der Methode.
KI-Generiert

Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.

Vorheriger Artikel MFMDet: multi-scale face mask detection using improved Cascade rcnn
Nächster Artikel Gtpsum: guided tensor product framework for abstractive summarization

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren
Fußnoten
Literatur
1.
Van Der Aalst WM (2003) Business process management demystified: a tutorial on models, systems and standards for workflow management. In: Advanced Course on Petri Nets, pp. 1–65. Springer
2.
Kharbili ME, Medeiros AK, Stein S, van der Aalst WM (2008) Business process compliance checking: current state and future challenges. In: Modellierung betrieblicher Informationssysteme (MobIS)
3.
Hashmi M, Governatori G, Lam H-P, Wynn MT (2018) Are we done with business process compliance: state of the art and challenges ahead. Knowl. Inf. Syst. 57(1):79–133CrossRef
4.
Syed Abdullah N, Sadiq S, Indulska M (2010) Emerging challenges in information systems research for regulatory compliance management. In: International Conference on Advanced Information Systems Engineering, pp. 251–265. Springer
5.
Ly LT, Maggi FM, Montali M, Rinderle-Ma S, Van Der Aalst WM (2015) Compliance monitoring in business processes: functionalities, application, and tool-support. Inf. Syst. 54:209–234CrossRefPubMedPubMedCentral
6.
Rinderle-Ma S, Kabicher-Fuchs S (2016) An indexing technique for compliance checking and maintenance in large process and rule repositories
7.
Governatori G, Sadiq SW (2009) The journey to business process compliance. In: Handbook of Research on Business Process Modeling
8.
Brunello A, Montanari A, Reynolds M (2019) Synthesis of LTL formulas from natural language texts: State of the art and research directions. In: 26th International Symposium on Temporal Representation and Reasoning (TIME). Schloss Dagstuhl-Leibniz-Zentrum fuer Informatik
9.
Awad A, Decker G, Weske M (2008) Efficient compliance checking using BPMN-Q and temporal logic. In: Proceedings of 6th International Conference of Business Process Management, pp. 326–341 . Springer
10.
Elgammal A, Turetken O, van den Heuvel W-J, Papazoglou M (2016) Formalizing and appling compliance patterns for business process compliance. Softw. Syst. Model. 15(1):119–146CrossRef
11.
Meth H, Brhel M, Maedche A (2013) The state of the art in automated requirements elicitation. Inf. Softw. Technol. 55(10):1695–1709CrossRef
12.
Governatori G, Rotolo A (2010) Norm compliance in business process modeling. In: International Workshop on Rules and Rule Markup Languages for the Semantic Web, pp. 194–209. Springer
13.
Montali M, Maggi FM, Chesani F, Mello P, Aalst WM (2014) Monitoring business constraints with the event calculus. ACM Trans Intell Syst Technol (TIST) 5(1):1–30
14.
González L, Delgado A (2021) Towards compliance requirements modeling and evaluation of e-government inter-organizational collaborative business processes. Bus Process Manag (BPM) 1(2):3
15.
González L, Delgado A, Canaparo J, Gambetta F (2022) Evaluation of compliance requirements for collaborative business process with process mining and a model of generic compliance controls. CLEI Electron J 25(2):7CrossRef
16.
Governatori G, Hashmi M, Lam H-P, Villata S, Palmirani M (2016) Semantic business process regulatory compliance checking using legalruleml. In: European Knowledge Acquisition Workshop, pp. 746–761. Springer
17.
Cabanillas C, Resinas M, Ruiz-Cortés A (2020) A mashup-based framework for business process compliance checking. IEEE Trans Serv Comput 15(3):1564–1577CrossRef
18.
Sinha A, Paradkar A (2010) Use cases to process specifications in business process modeling notation. In: 2010 IEEE International Conference on Web Services, pp. 473–480. IEEE
19.
Sànchez-Ferreres J, Burattin A, Carmona J, Montali M, Padró L (2019) Formal reasoning on natural language descriptions of processes. In: International Conference on Business Process Management, pp. 86–101. Springer
20.
Delicado Alcántara L, Sanchez-Ferreres J, Carmona Vargas J, Padró L (2017) Nlp4bpm: natural language processing tools for business process management. In: BPM Demo and Industrial Track 2017 Proceedings, pp. 1–5
21.
Sànchez-Ferreres J, Burattin A, Carmona J, Montali M, Padró L, Quishpi L (2021) Unleashing textual descriptions of business processes. Softw Syst Model 20(6):2131–2153CrossRef
22.
Feng W, Zhuo HH, Kambhampati S (2018) Extracting action sequences from texts based on deep reinforcement learning. arXiv preprint arXiv:​1803.​02632
23.
Qian C, Wen L, Kumar A, Lin L, Lin L, Zong Z, Li S, Wang J (2020) An approach for process model extraction by multi-grained text classification. In: Advanced Information Systems Engineering: 32nd International Conference, CAiSE 2020, Grenoble, Proceedings 32, pp. 268–282. Springer
24.
Winter K, Aa Hvd, Rinderle-Ma S, Weidlich M (2020) Assessing the compliance of business process models with regulatory documents. In: International Conference on Conceptual Modeling, pp. 189–203. Springer
25.
26.
Filho JL, Braga JL (2017) UML: unified modeling language. In: Shekhar S, Xiong H, Zhou X (eds) Encyclopedia of GIS. Springer, Cham, pp 2345–2346
27.
Amjad A, Azam F, Anwar MW, Butt WH, Rashid M (2018) Event-driven process chain for modeling and verification of business requirements-a systematic literature review. IEEE Access 6:9027–9048CrossRef
28.
Compagnucci I, Corradini F, Fornari F (2021) Trends on the usage of BPMN 2.0 from publicly available repositories. In: Lecture Notes in Business Information Processing, vol. 430
29.
Leopold H (2013) Natural language in business process models. PhD thesis, Springer
30.
McNamara P (2006) Deontic logic. In: Logic and the Modalities in the Twentieth Century
31.
Devlin J, Chang M-W, Lee K, Toutanova K (2018) Bert: pre-training of deep bidirectional transformers for language understanding. arXiv preprint arXiv:​1810.​04805
32.
Chen Y (2015) Convolutional neural network for sentence classification. Master’s thesis, University of Waterloo
33.
34.
Honnibal M, Montani I (2017) spacy 2: natural language understanding with bloom embeddings, convolutional neural networks and incremental parsing. To appear 7(1):411–420
35.
Levy R, Andrew G (2006) Tregex and Tsurgeon: tools for querying and manipulating tree data structures. In: LREC, pp. 2231–2234. Citeseer
36.
Manning CD, Surdeanu M, Bauer J, Finkel JR, Bethard S, McClosky D (2014) The Stanford CoreNLP natural language processing toolkit. In: Proceedings of 52nd Annual Meeting of the Association for Computational Linguistics: System Demonstrations, pp. 55–60
37.
Michel M, Djurica D, Mendling J (2022) Identification of decision rules from legislative documents using machine learning and natural language processing. In: HICSS, pp. 1–10
38.
Goldberg Y, Levy O (2014) word2vec explained: deriving mikolov et al.’s negative-sampling word-embedding method. CoRR arXiv:​1402.​3722
39.
Zhou P, Shi W, Tian J, Qi Z, Li B, Hao H, Xu B (2016) Attention-based bidirectional long short-term memory networks for relation classification. In: Proceedings of the 54th Annual Meeting of the Association for Computational Linguistics (volume 2: Short Papers), pp. 207–212
40.
Lai S, Xu L, Liu K, Zhao J (2015) Recurrent convolutional neural networks for text classification. In: Proceedings of the AAAI Conference on Artificial Intelligence, vol. 29
41.
Johnson R, Zhang T (2017) Deep pyramid convolutional neural networks for text categorization. In: Proceedings of the 55th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), pp. 562–570
42.
Böhmer K, Rinderle-Ma S (2016) Multi-perspective anomaly detection in business process execution events. In: OTM Confederated International Conferences“ On the Move to Meaningful Internet Systems”, pp. 80–98. Springer
43.
Agostinelli S, Maggi FM, Marrella A, Sapio F (2019) Achieving GDPR compliance of BPMN process models. In: International Conference on Advanced Information Systems Engineering, pp. 10–22. Springer
44.
Schröder G, Thiele M, Lehner W (2011) Setting goals and choosing metrics for recommender system evaluations. In: UCERSTI2 Workshop at the 5th ACM Conference on Recommender Systems, Chicago, vol. 23, p. 53
Metadaten
Titel
Design-time business process compliance assessment based on multi-granularity semantic information
verfasst von
Xiaoxiao Sun
Siqing Yang
Chenying Zhao
Dongjin Yu
Publikationsdatum
22.09.2023
Verlag
Springer US
Erschienen in
The Journal of Supercomputing / Ausgabe 4/2024
Print ISSN: 0920-8542
Elektronische ISSN: 1573-0484
DOI
https://doi.org/10.1007/s11227-023-05626-0

Weitere Artikel der Ausgabe 4/2024

A pyramid GNN model for CXR-based COVID-19 classification

Hybrid compression scheme based on VMD optimization algorithm application to mechanical equipment monitoring

Collaborative filtering integrated fine-grained sentiment for hybrid recommender system

Side-channel analysis based on Siamese neural network

Hybrid optimization-enabled deep Q network for fault prediction in service-oriented architecture

Optimization of artificial neural network structure and hyperparameters in hybrid model by genetic algorithm: iOS–android application for breast cancer diagnosis/prediction

Premium Partner

    Bildnachweise