INTELLIGENT TECHNOLOGY FOR SEMANTIC COMPLETENESS ASSESSMENT OF BUSINESS PROCESS MODELS
Gespeichert in:
| Titel: | INTELLIGENT TECHNOLOGY FOR SEMANTIC COMPLETENESS ASSESSMENT OF BUSINESS PROCESS MODELS |
|---|---|
| Quelle: | Bulletin of National Technical University "KhPI". Series: System Analysis, Control and Information Technologies; No. 2 (12) (2024); 56-65 Вестник Национального технического университета "ХПИ". Серия: Системный анализ, управление и информационные технологии; № 2 (12) (2024); 56-65 Вісник Національного технічного університету «ХПІ». Серія: Системний аналiз, управління та iнформацiйнi технологiї; № 2 (12) (2024); 56-65 |
| Verlagsinformationen: | NTU "KhPI", 2025. |
| Publikationsjahr: | 2025 |
| Schlagwörter: | порівняння текстів, semantic similarity, SBERT, обробка природної мови, моделювання бізнес-процесів, оптимізація бізнес-процесів, BPMN, text comparison, business process optimization, natural language processing, business process modeling, семантична подібність |
| Beschreibung: | У цій статті авторами представлено метод порівняння моделей бізнес-процесів з їх текстовими описами на основі використання семантичного підходу з використанням моделі SBERT (Sentence-Bidirectional Encoder Representations from Transformers). Моделі бізнес-процесів, зокрема створені за стандартом BPMN (Business Process Model and Notation), мають вирішальне значення для оптимізації організаційної діяльності. Забезпечення узгодженості між цими моделями та їхніми текстовими описами має важливе значення для підвищення точності та зрозумілості бізнес-процесів. Традиційні методи схожості множин, які покладаються на токенізацію та базове зіставлення слів, не можуть охопити глибші семантичні зв’язки, що призводить до нижчої точності порівняння. Запропонований підхід дозволяє розв’язати цю задачу, за рахунок використання моделі SBERT для оцінки семантичної подібності між текстовим описом і BPMN-моделлю бізнес-процесу. Експериментальні результати демонструють, що метод на основі SBERT перевершує традиційні методи, засновані на показниках подібності, в середньому на 31%, пропонуючи більш надійні та контекстуально відповідні порівняння. Здатність SBERT фіксувати семантичну схожість, включаючи ідентифікацію синонімів і контекстуально релевантних термінів, забезпечує значну перевагу перед більш простими підходами на основі токенізації, які часто не помічають нюансів мовних варіацій. Експериментальні результати демонструють, що підхід на основі SBERT, запропонований у цьому дослідженні, покращує узгодженість між текстовими описами та відповідними моделями бізнес-процесів. Таке удосконалення дозволяє підвищити загальну якість і точність документації бізнес-процесів, що призводить до зменшення помилок, запровадження кращої зрозумілості описів бізнес-процесів, а також кращої взаємодії між усіма зацікавленими сторонами. Загальні результати, отримані в цьому дослідженні, сприяють підвищенню якості та узгодженості моделей бізнес-процесів BPMN і відповідної документації. In this paper, we present a method for comparing business process models with their textual descriptions, using a semantic-based approach based on the SBERT (Sentence-Bidirectional Encoder Representations from Transformers) model. Business process models, especially those created with the BPMN (Business Process Model and Notation) standard, are crucial for optimizing organizational activities. Ensuring the alignment between these models and their textual descriptions is essential for improving business process accuracy and clarity. Traditional set similarity methods, which rely on tokenization and basic word matching, fail to capture deeper semantic relationships, leading to lower accuracy in comparison. Our approach addresses this issue by leveraging the SBERT model to evaluate the semantic similarity between the text description and the BPMN business process model. The experimental results demonstrate that the SBERT-based method outperforms traditional methods, based on similarity measures, by an average of 31%, offering more reliable and contextually relevant comparisons. The ability of SBERT to capture semantic similarity, including identifying synonyms and contextually relevant terms, provides a significant advantage over simple token-based approaches, which often overlook nuanced language variations. The experimental results demonstrate that the SBERT-based approach, proposed in this study, improves the alignment between textual descriptions and corresponding business process models. This advancement is allowing to improve the overall quality and accuracy of business process documentation, leading to fewer errors, introducing better clarity in business process descriptions, and better communication between all the stakeholders. The overall results obtained in this study contribute to enhancing the quality and consistency of BPMN business process models and related documentation. |
| Publikationsart: | Article |
| Dateibeschreibung: | application/pdf |
| Sprache: | English |
| ISSN: | 2079-0023 2410-2857 |
| Zugangs-URL: | http://samit.khpi.edu.ua/article/view/320181 |
| Rights: | CC BY |
| Dokumentencode: | edsair.scientific.p..45f8728c4e657c199af66eb34cb9e9a8 |
| Datenbank: | OpenAIRE |
Nájsť tento článok vo Web of Science | Abstract: | У цій статті авторами представлено метод порівняння моделей бізнес-процесів з їх текстовими описами на основі використання семантичного підходу з використанням моделі SBERT (Sentence-Bidirectional Encoder Representations from Transformers). Моделі бізнес-процесів, зокрема створені за стандартом BPMN (Business Process Model and Notation), мають вирішальне значення для оптимізації організаційної діяльності. Забезпечення узгодженості між цими моделями та їхніми текстовими описами має важливе значення для підвищення точності та зрозумілості бізнес-процесів. Традиційні методи схожості множин, які покладаються на токенізацію та базове зіставлення слів, не можуть охопити глибші семантичні зв’язки, що призводить до нижчої точності порівняння. Запропонований підхід дозволяє розв’язати цю задачу, за рахунок використання моделі SBERT для оцінки семантичної подібності між текстовим описом і BPMN-моделлю бізнес-процесу. Експериментальні результати демонструють, що метод на основі SBERT перевершує традиційні методи, засновані на показниках подібності, в середньому на 31%, пропонуючи більш надійні та контекстуально відповідні порівняння. Здатність SBERT фіксувати семантичну схожість, включаючи ідентифікацію синонімів і контекстуально релевантних термінів, забезпечує значну перевагу перед більш простими підходами на основі токенізації, які часто не помічають нюансів мовних варіацій. Експериментальні результати демонструють, що підхід на основі SBERT, запропонований у цьому дослідженні, покращує узгодженість між текстовими описами та відповідними моделями бізнес-процесів. Таке удосконалення дозволяє підвищити загальну якість і точність документації бізнес-процесів, що призводить до зменшення помилок, запровадження кращої зрозумілості описів бізнес-процесів, а також кращої взаємодії між усіма зацікавленими сторонами. Загальні результати, отримані в цьому дослідженні, сприяють підвищенню якості та узгодженості моделей бізнес-процесів BPMN і відповідної документації.<br />In this paper, we present a method for comparing business process models with their textual descriptions, using a semantic-based approach based on the SBERT (Sentence-Bidirectional Encoder Representations from Transformers) model. Business process models, especially those created with the BPMN (Business Process Model and Notation) standard, are crucial for optimizing organizational activities. Ensuring the alignment between these models and their textual descriptions is essential for improving business process accuracy and clarity. Traditional set similarity methods, which rely on tokenization and basic word matching, fail to capture deeper semantic relationships, leading to lower accuracy in comparison. Our approach addresses this issue by leveraging the SBERT model to evaluate the semantic similarity between the text description and the BPMN business process model. The experimental results demonstrate that the SBERT-based method outperforms traditional methods, based on similarity measures, by an average of 31%, offering more reliable and contextually relevant comparisons. The ability of SBERT to capture semantic similarity, including identifying synonyms and contextually relevant terms, provides a significant advantage over simple token-based approaches, which often overlook nuanced language variations. The experimental results demonstrate that the SBERT-based approach, proposed in this study, improves the alignment between textual descriptions and corresponding business process models. This advancement is allowing to improve the overall quality and accuracy of business process documentation, leading to fewer errors, introducing better clarity in business process descriptions, and better communication between all the stakeholders. The overall results obtained in this study contribute to enhancing the quality and consistency of BPMN business process models and related documentation. |
|---|---|
| ISSN: | 20790023 24102857 |