Semantic DMN: Formalizing and Reasoning About Decisions in the Presence of Background Knowledge
Free University of Bozen-Bolzano（博尔扎诺自由大学）；University of Tartu（塔尔图大学）
决策模型和表示法（DMN）是最近的OMG标准，用于决策模型的获取和表示，以及管理它们与业务流程的互连。DMN建立在决策表的概念上，并将其组合成更复杂的决策需求图（DRG），它在业务流程模型和决策逻辑模型之间架起了桥梁。DRG可能依赖于额外的外部业务知识模型，其功能不是标准的一部分。在这项工作中，我们认为最重要的类型之一的业务知识，即背景知识，在概念上占的结构方面的领域的利益，并提出决策知识库（DKB），它在语义上结合DRGs建模DMN，和领域知识捕获的一阶逻辑与datashees。我们提供了一个基于逻辑的语义这样一个集成，并形式化不同的DMN推理任务的DKB。然后，我们认为背景知识制定为一个描述逻辑本体与datashees，并显示如何在这个丰富的设置DMN的主要验证任务，可以形式化为标准的DL推理服务，并实际上进行了ExpTime。我们讨论了我们的框架在海事安全的案例研究的有效性。
2018-09-14 cs.AI
Knowledge-driven Site Selection via Urban Knowledge Graph
Tsinghua University（清华大学）
选址决定了新店的最佳位置，这对商业成功至关重要。特别是多源城市数据的人工智能的广泛应用，让智能选址大有可为。然而，现有的数据驱动方法严重依赖于特征工程，面临着业务泛化和复杂关系建模的问题。为了摆脱这一困境，本文借鉴知识图谱的思想，提出了一种知识驱动的选址模型，简称KnowSite。具体而言，基于知识库中提炼的知识和丰富的语义，我们首先构建了一个城市知识库（UrbanKG），其中包含了城市的关键元素和语义关系。基于UrbanKG，我们采用预训练技术进行语义表示，并将其输入到编码器-解码器结构中进行站点决策。通过多关系消息传递和基于关系路径的注意力机制的开发，KnowSite成功地揭示了各种业务和站点选择标准之间的关系。在两个数据集上进行的大量实验表明，KnowSite在有效性和可解释性方面都优于代表性基线。
2021-11-01 cs.AI
Construction and Applications of Billion-Scale Pre-Trained Multimodal Business Knowledge Graph
National University of Singapore（新加坡国立大学）；Alibaba Group（阿里巴巴集团）；Zhejiang University（浙江大学）；University of Manchester（曼彻斯特大学）；University of Edinburgh（爱丁堡大学）
业务知识图谱（KG）对于当今的许多企业来说都很重要，它提供事实知识和结构化数据，可以指导许多产品并使其更加智能。尽管他们有前途的好处，建立商业KG需要解决的不足结构和多种模式的禁止性问题。在本文中，我们提出了在非平凡的现实世界系统中构建KG相关的实际挑战的理解。我们介绍了构建一个开放的业务知识图谱（OpenBG）的过程，来自一个著名的企业，阿里巴巴集团。具体来说，我们定义了一个核心本体，以涵盖各种抽象的产品和消费需求，细粒度的分类和多模态的事实，在部署的应用程序。OpenBG是一个规模空前的开放式商业KG：26亿个三元组，超过8800万个实体，覆盖超过100万个核心类/概念和2,681种关系。我们发布了所有的开放资源（OpenBG基准测试），并报告了以KG为中心的任务的实验结果。我们还举办了一个基于OpenBG基准的在线竞赛，吸引了数千支团队。我们进一步对OpenBG进行预训练，并将其应用于商业场景中的许多KG增强的下游任务，展示了亿级多模态知识对电子商务的有效性。所有带代码的资源已在\url{https://github.com/OpenBGBenchmark/OpenBG}发布。
2023-03-19 cs.AI cs.CL cs.IR
Generations of Knowledge Graphs: The Crazy Ideas and the Business Impact
Google（谷歌）；Amazon（亚马逊）；Meta
本文梳理了知识图谱的三个发展代际及其特征、构建思路与落地技术，同时以其为例展示了研究构想从创新到生产再到新创新的演进路径，为技术落地与产业发展提供参考。
2023-08-27 cs.AI cs.CL cs.DB
Business Compromise Detection with Agentic AI and LLM-driven Knowledge Discovery
针对商业广告账户被入侵的检测难题，本文提出将LLM智能体作为信号提取器，结合归纳逻辑编程、朴素贝叶斯校准和矛盾层的神经符号裁决器，显著提升MCC和精确率，同时保持规则可解释。
2026-09-29 cs.AI
A Knowledge Representation Approach to Automated Mathematical Modelling
Deakin University（迪肯大学）；School of Information Technology（信息技术学院）
本文提出了一种新的混合整数线性规划（MILP）模型本体和一种新的MILP公式约束类型。MILP是一种常用的数学编程技术，用于建模和解决现实生活中的调度、路由、规划、资源分配和可调度优化问题，为工业部门（如制造业、农业、国防、医疗保健、医药、能源、金融和运输）提供优化的业务解决方案。尽管现实生活中发现并解决了许多组合优化问题，还有数百万个问题有待发现和制定，但约束类型（MILP的构建块）的数量相对较少。在寻找一个合适的机器可读的知识表示结构MILP，我们提出了一个优化建模树的基础上建立的MILP模型本体，可用于指导自动化系统，以引出一个MILP模型从最终用户对他们的组合业务优化问题。我们的最终目标是开发一个机器可读的知识表示的MILP，使我们能够映射到最终用户的自然语言描述的业务优化问题的MILP正式规范自动化数学建模的第一步。
2021-02-28 cs.AI
Rule-based Knowledge Representation for Service Level Agreement
自动化管理和监控服务契约（如服务级别协议（SLA）或更高级别的策略）对于具有高服务质量（QoS）级别的高效可靠的分布式面向服务的体系结构（SOA）至关重要。IT服务提供商需要为不同的客户和不同类型的服务管理、执行和维护数千个SLA，这需要当前技术无法提供的新级别的灵活性和自动化。我提出了一种新的基于规则的知识表示（KR）的SLA规则和相应的基于规则的服务水平管理（RBSLM）框架。我的基于规则的方法基于逻辑编程提供了几个优点，包括自动规则链接，允许紧凑的知识表示和高水平的自动化，以及灵活性，以适应快速变化的业务需求。因此，我解决了一个迫切的需求，面向服务的企业现在确实是动态地改变他们的业务和合同逻辑，以适应快速变化的业务环境，并克服缓慢变化周期的限制性质。
2006-09-21 cs.AI cs.DB cs.LO
The Innovation-to-Occupations Ontology: Linking Business Transformation Initiatives to Occupations and Skills
University of Technology Sydney（悉尼科技大学）；Data61, CSIRO（Data61（联邦科学与工业研究组织下属机构））
本文提出创新到职业本体及基于嵌入的自动填充方法，将业务转型举措与所需职业和技能相连接，并在十个场景中验证了匹配有效性，为企业和教育机构提供劳动力需求指导。
2023-10-27 cs.AI
Hybrid Context Retrieval Augmented Generation Pipeline: LLM-Augmented Knowledge Graphs and Vector Database for Accreditation Reporting Assistance
University of Hawaii at Manoa（夏威夷大学马诺阿分校）
针对商学院AACSB认证报告耗时问题，提出混合上下文检索增强生成流水线，结合向量数据库与LLM增强知识图谱，经RAGAs评估在答案相关性和正确性上表现最佳。
2024-05-24 cs.AI cs.IR
AliMe KG: Domain Knowledge Graph Construction and Application in E-commerce
Alibaba Group（阿里巴巴集团）
售前客户服务对电子商业平台至关重要，因为它有助于优化客户的购买过程。为了更好地为用户服务，我们提出了AliMe KG，一个领域知识图谱在电子商业，捕捉用户的问题，兴趣点（POI），项目信息及其关系。它有助于了解用户需求，回答售前问题并生成解释文本。我们将AliMe KG应用于导购、房产问答、推荐理由生成等多个在线业务场景，取得了积极的效果。本文系统地介绍了如何从自由文本中构造领域知识图谱，并通过几个应用实例展示了其商业价值。我们的经验表明，从垂直领域的自由文本中挖掘结构化知识是可行的，并在工业环境中具有重要价值。
2020-09-24 cs.AI cs.CL
Applications of Linear Defeasible Logic: combining resource consumption and exceptions to energy management and business processes
Data61, CSIRO（联邦科学与工业研究组织数据61所）；University of Verona（维罗纳大学）
线性逻辑和可废止逻辑已被采用，以形式化的不同功能的知识表示：资源的消耗，特别是表示异常的非单调推理。最近，一个框架相结合的子结构的功能，对应的资源消耗，与可撤销性方面来处理潜在的冲突信息，已经在文献中讨论，由一些作者。出现了两个非常相关的应用程序：能源管理和业务流程管理。我们说明了一组指导方针，以确定如何将线性可废止逻辑应用到这些情况下。
2019-08-14 cs.AI cs.LO cs.MA
Chase Anonymisation: Privacy-Preserving Knowledge Graphs with Logical Reasoning
Banca d’Italia（意大利银行）
本文提出一种基于逻辑推理的隐私保护知识图谱方法，通过控制添加节点和边以及重新标记节点和扰动权重，实现隐私保护与知识保留的平衡。
2025-12-16 cs.AI cs.CR cs.DB
Autonomous Business System via Neuro-symbolic AI
School of Systems Science and Industrial Engineering, Binghamton University, State University of New York（宾夕法尼亚州立大学布林顿分校系统科学与工业工程学院）；AI Engineering, USA TODAY Co., Inc.（USA TODAY公司人工智能工程部）；Binghamton Center of Complex Systems, Binghamton University, State University of New York（宾夕法尼亚州立大学布林顿复杂系统中心）；Waseda Innovation Lab, Waseda University（早稻田大学创新实验室）
本文提出自主业务系统AUTOBUS，结合大语言模型、谓词逻辑编程和企业数据，构建神经符号架构以执行端到端业务任务，通过人机协作提升业务处理的确定性和适应性。
2026-02-20 cs.AI
Knowledge engineering mixed-integer linear programming: constraint typology
Deakin University（迪肯大学）；School of Information Technology（信息技术学院）；The University of Melbourne（墨尔本大学）；Electrical and Electronic Engineering（电气与电子工程学院）
本文研究了混合整数线性规划MILP公式的约束类型。MILP是一种常用的数学编程技术，用于建模和解决现实生活中的调度，路由，规划，资源分配，优化问题，为工业部门提供优化的业务解决方案，例如：制造业，农业，国防，医疗保健，医药，能源，金融和运输。尽管现实生活中发现并解决了许多组合优化问题，还有数百万个问题有待发现和制定，但作为MILP构建模块的约束类型的数量相对要少得多。在搜索一个合适的机器可读的知识表示的MILP，我们提出了一个优化建模树的基础上建立的MILP本体，可以用作自动化系统的指导，以引出一个MILP模型从最终用户对他们的组合业务优化问题。
2021-02-20 cs.AI math.OC
Bridging the gap between Legal Practitioners and Knowledge Engineers using semi-formal KR
Freie Universitaet Berlin（柏林自由大学）
在OMG语义和业务词汇表示（SBVR）中，已经提出使用结构化英语作为非技术用户在业务规则表示中的计算独立的知识表示格式。在法律领域，我们面临着类似的问题。正式的表示语言，如OASIS LegalRuleML和法律本体（LKIF，法律OWL2本体等）支持技术知识工程师和自动推理。但是，没有计算机科学背景的法律领域专家很难直接使用它们。在本文中，我们适应SBVR结构化英语方法的法律领域，并实现了一个概念验证，称为KR4IPLaw，这使法律领域的专家，以代表他们的知识结构化英语在计算独立，因此，对他们来说，更有用的方式。这种方法的好处是，结构化英语方法的底层预定义语义使得转换为形式语言（如OASISLegalRuleML和OWL2本体）成为可能。我们在专利法领域采用我们的方法。
2014-05-31 cs.AI cs.CL
A Cooperative Approach for Knowledge-based Business Process Design in a Public Authority
University of Trento（特伦托大学）；National Research Council (CNR)（国家研究 council）；Sapienza University of Rome（罗马大学）
本文提出一种无需知识工程专业知识的基于知识的协作方法，通过结构化步骤引导业务专家设计业务流程，构建从文本到形式化的知识库。
2025-10-14 cs.AI cs.SE
Confidentiality-Preserving Verifiable Business Processes through Zero-Knowledge Proofs
本文提出基于零知识证明的流程验证方法，通过zkVM集成实现保密下的可验证业务流程，并以产品碳足迹为例验证其有效性。
2025-09-24 cs.SE
WISE: Unraveling Business Process Metrics with Domain Knowledge
针对复杂工业流程异常难识别的问题，提出融合领域知识、流程挖掘与机器学习的WISE方法，通过加权约束的流程规范评分检测偏差，经评估提升了业务流程分析自动化与结果准确性。
2024-10-06 cs.SE
Assessing the Business Process Modeling Competences of Large Language Models
本文提出BEF4LLM框架，从语法、语用、语义和有效性四个维度评估LLM生成的BPMN模型，发现LLM在语法和语用质量上表现优异，但语义和有效性仍需提升，为未来模型优化提供指导。
2026-06-29 cs.AI cs.SE
Business Rules in e-Government Applications
在公共行政中采用信息和通信技术，从根本上改变了各组织的合作方式，更广泛地说，改变了对组织边界以外的业务流程的思考方式。在本文中，我们描述了我们的方法，结合业务流程与业务规则，以有效地整合单个单位在组织间或组织内的合作。业务规则代表行政部门对其业务的了解;在这方面，它们可以表达战略、合同，不仅可以影响工作人员关系，而且最终也可以影响公民关系。换句话说，业务规则是管理的核心，影响业务流程或系统参与者的行为。它们通常隐式地表达在业务合同中，并且嵌入在许多应用程序模块的源代码中。因此，业务行为的简明说明性语句被转换为一组编程指令，这些指令广泛分布在整个信息系统中。通过这种方式，业务规则很难随着时间的推移而改变并保持一致。因此，有必要重新设计系统，以便在逻辑上甚至物理上将应用程序代码中的规则具体化。在我们提出的方法中，我们将合作描述为根据业务规则指定的组织逻辑以某些方式组合的任务集合。我们的规则驱动方法论的目标是使业务流程设计更能适应内部或外部环境的变化。
2018-02-23 cs.SE
Uncovering Business Logic Bugs via Semantics-Driven Unit Test Generation
Tianjin University（天津大学）
本文提出SeGa方法，通过语义知识库生成单元测试以发现业务逻辑错误，实验显示其在检测错误数量和精度提升方面优于现有技术。
2026-10-07 cs.SE
An Ontological Analysis of Business Process Modeling and Execution
这项工作提出了一个全面阐述的本体，通过本体Web语言（OWL），业务流程模型和符号（BPMN）标准定义的业务流程模型定义，我们证明，任何BPMN模型可以被序列化为OWL文件。基于本体论分析和建模符号作为本体的相应定义，我们表明，只要有共同的底层概念，业务流程模型就可以从一种符号转换为另一种符号;这一点通过基于参与者或主体的案例来证明。面向主题的业务流程视图。此外，工作流管理系统（WfMS）基于微服务，能够执行基于角色的业务流程模型的参考架构进行了讨论。由于将BPMN模型转换为基于参与者的视图通常是可能的，因此也可以制定BPMN模型。因此，我们可以得出结论，演员系统是一个很有前途的方式来刺激新的方法来设计工作流管理系统和设计业务流程建模语言，这是更舒适的非专家使用，而不会失去必要的表现力。另一个结果是，本体是定义建模符号的有效方式，因为它可以用作知识库，它是底层概念的正式概念化，并且可以在语义上丰富以供进一步使用。
2019-04-18 cs.SE
Runtime Verification for Business Processes Utilizing the Bitcoin Blockchain
使用流程编排和分散的业务流程管理系统已被命名为集中式业务流程编排的替代方案。在编排中，对流程实例的控制由独立的各方共享，在流程运行时，没有任何一方拥有完全的控制权或知识。尽管如此，出于文档编制、记帐或补偿的目的，在运行时期间监视和验证流程实例是必要的。为了实现业务流程运行时验证，这项工作探索了比特币区块链的适用性，以创建一个新的编排解决方案。由此产生的方法是实现在一个功能齐全的软件原型。该软件解决方案在定性比较中进行评估。研究结果表明，我们基于区块链的方法可以实现对编排的无缝执行监控和验证，同时保持流程参与者的匿名性和独立性。此外，在性能分析的原型进行了评估。
2017-08-18 cs.DC cs.SE
BAGH -- Comparative study
流程挖掘是近十年来出现的一个新的研究方向，它主要是利用事件日志和数据来分析流程。业务流程操作的信息系统集成度的提高为创新的数据分析方法提供了基础。流程挖掘与数据采掘有着密切的联系，因此它可以将商业智能方法与业务流程管理联系起来。它专注于端到端流程，并且由于事件数据的可用性不断增长以及新的流程发现和一致性检查技术而成为可能。过程挖掘的目的是通过从信息系统中的事件日志中提取知识来发现、监控和改进真实的过程。所发现的流程模型可以用于各种分析目的。许多公司已经采用流程感知信息系统来以某种形式支持他们的业务流程。这些系统通常具有与实际业务流程执行相关的日志事件。对流程感知信息系统执行日志的正确分析可以产生重要的知识，并帮助组织提高其服务质量。本文回顾和比较各种流程挖掘算法的输入参数的基础上，使用的技术和它们产生的输出。
2019-09-04 cs.IR cs.SE
Business Process Mining
组织最有价值的资产之一是其组织数据。对这一潜在宝藏的分析和挖掘可以为组织带来更多的附加值。流程挖掘是一个新兴领域，可以帮助组织了解现状，检查合规性并计划改进其流程。过程挖掘的目的是从当今组织信息系统的事件日志中提取知识。流程挖掘主要包括三种类型：从事件日志中发现流程模型、一致性检查和组织挖掘。在本文中，我们简要介绍了过程挖掘和审查的一些最重要的技术。此外，我们还调查了流程挖掘在工业中的一些应用，并提出了这一领域面临的一些最重要的挑战。
2016-07-03 cs.SE
Towards Automated Performance Optimization of BPMN Business Processes
业务流程模型和符号（BPMN）为业务流程的设计提供了标准。它侧重于弥合分析和技术视角之间的差距，旨在实现流程自动化。本技术报告的目的是通过转移以数据为中心的工作流相关领域的知识来补充这一努力，旨在提供业务流程执行的自动化性能优化。自动化优化减轻了BPMN设计人员的负担，提高了工作流的灵活性和弹性。作为实现这一目标的关键一步，这项工作的贡献是提供一种方法来将BPMNv2.0模型映射到带注释的有向无环图，该图强调交换的令牌量，并且适用于现有的自动优化算法。此外，给出了映射的具体示例，同时解释了打开的优化机会，从而提供了对潜在性能优势的见解，并讨论了技术研究问题。
2015-08-29 cs.DB cs.SE
WONDERBREAD: A Benchmark for Evaluating Multimodal Foundation Models on Business Process Management Tasks
Stanford University（斯坦福大学）
提出首个超越自动化的业务流程管理（BPM）多模态基础模型评估基准WONDERBREAD，包含2928个工作流演示和6个真实任务，发现现有模型虽能生成文档但难以完成细粒度验证。
2024-10-11 cs.AI cs.LG cs.SE
Cognitive Business Process Management for Adaptive Cyber-Physical Processes
在大数据和物联网（IoT）时代，所有现实世界的环境都逐渐变成网络物理（例如，应急管理、医疗保健、智能制造等），随着连接设备和嵌入式ICT系统的存在（例如，智能手机、传感器、执行器）产生大量数据和事件，影响在此类环境中实施的网络物理过程（CPP）的实施。用于执行CPP的过程管理系统（PMS）需要通过最小化运行时的任何人为干预来自动调整其运行过程以适应异常情况和外源事件。在本文中，我们解决这个问题，通过引入一种方法和一个自适应的认知PMS相结合的过程执行监控，意外的异常检测和自动化的解决策略，利用完善的行动为基础的形式主义在人工智能，它允许解释不断变化的知识的网络物理环境和适应CPP保留其基本结构。
2018-02-08 cs.SE
From MVPs to pivots: a hypothesis-driven journey of two software startups
软件创业已经成为一个有趣的多视角研究领域。受精益创业的启发，创业之旅可以被视为一系列实验，这些实验验证了创业团队明确或不明确地对他们的创业做出的一系列商业假设。关于创业公司如何通过商业假设检验发展的问题，我们知之甚少。这项研究提出了一种新的方法来看待创业公司的演变作为一个最小可行产品（MVP）的创造过程。我们通过人种学和事后分析在两个软件创业公司中确定了商业假设和MVP之间的关系。我们观察到，假设和MVP之间的关系是不完整的，在这两个创业公司的非线性。我们还发现，企业家确实从测试他们的假设中学习。然而，有一些假设没有经过MVP的检验，反之亦然，MVP与任何业务假设都不相关。我们提出的方法通过MVP可视化了跨枢轴的创业知识流。
2018-08-16 cs.SE
Specification-Driven Development Benchmark: Security Knowledge Transition
EPAM Systems
针对AI辅助规范驱动开发中安全行为隐式化的问题，提出多层规范安全模型和安全知识迁移方法，通过结构化安全知识提升生成系统的安全性。
2026-05-29 cs.LO cs.SE
How Do Experts Make Sense of Integrated Process Models?
该研究结合口头协议分析与眼动追踪指标，探究流程专家对集成建模方法信息的理解过程，揭示意义建构两阶段的细微行为，为优化相关集成方法、提供个性化支持提供依据。
2025-05-28 cs.HC cs.IR cs.SE
Technical Report: Refining Case Models Using Cardinality Constraints
传统上，业务流程管理侧重于结构化的、强制性的流程。随着知识工作的重要性日益增加，半结构化过程正逐渐成为主流。现有的方法来建模知识密集型业务流程使用数据对象，但没有充分考虑到数据对象基数。因此，它们不能保证遵守基数约束，也不能在执行期间使用此类约束来处理并发和多个活动实例。本文扩展了现有的案例管理方法与数据对象的关联和基数约束。结果有助于细化的数据访问语义，下限和上限的过程活动，并同步处理多个数据对象。使用着色Petri网的执行语义正式指定。该方法的有效性显示的编译器翻译的情况下，模型着色Petri网和一个专用的过程执行引擎。
2020-12-03 cs.SE
Online Discovery of Simulation Models for Evolving Business Processes (Extended Version)
University of Padua, Italy（意大利帕多瓦大学）；Fraunhofer Institute for Applied Information Technology (FIT)（弗劳恩霍夫应用信息技术研究所）；RWTH Aachen University（亚琛工业大学）
本文提出一种结合增量流程发现与在线机器学习的流式仿真发现技术，优先近期数据并保留历史信息，以自适应演化流程，实验证明其仿真更稳定且能鲁棒处理概念漂移。
2025-06-24 cs.LG cs.SE
Enterprise Model Library for Business-IT-Alignment
Universität der Bundeswehr（联邦国防军大学）
世界的知识是通过图书馆传递的。因此，还应通过知识库在企业内传播领域专门知识和经验。因此，模型是描述复杂系统、过程和互连的良好实践的既定媒介。然而，对于企业模型库的设计，没有结构化的和详细的方法。本文的目标是建立一个具有重用功能的模型库的参考体系结构。它包括归档数据结构的设计、管理过程和使用可能性。我们的方法能够通过元数据属性将需求一致地映射到模型中。此外，还可以在特定用例中调整参考架构，以及协调相互关系。一个行业案例研究证明了重复使用已经完成的工作的实际好处。它为组织提供了系统地获取规范、标准和指南的途径。因此，进一步的开发以结构化的方式得到加速和支持，同时复杂性仍然可控。所提出的方法丰富了各种企业架构框架。它为基于模型的开发提供了好处。
2022-11-21 cs.CV cs.DL cs.SE
SmartMemory: Detecting On-chain-off-chain Communication Inconsistency for Smart Contract via Memory-based Agent
Nanyang Technological University, Singapore（南洋理工大学）；Sun Yat-sen University, China（中山大学）
针对链上/链下通信（OFC）应用漏洞检测缺乏统一视角、易遗漏未知漏洞的问题，提出基于内存智能体的SmartMemory框架，通过语义映射、知识迁移与污点分析检测OFC不一致性，在自建数据集上取得80.68%精确率、87.65%召回率，还发现36个未知漏洞。
2026-09-28 cs.CR cs.SE
