Intelligent technology for semantic completeness assessment of business process models

Abstract

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.

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.