Intelligent Cross-Organizational Process Mining: A Survey and New Perspectives

作为数据挖掘领域中的高级领域，过程挖掘在提高组织运营效率和决策制定方面发挥着至关重要的作用。在本综述论文中，我们深入探讨了过程挖掘领域的日益重要和持续趋势，提出了关于其内容、应用和发展的特定观点，特别是在跨组织设置中的现代企业和过程管理。我们首先总结了过程挖掘的框架、常见的工业应用以及与人工智能相结合的最新进展，例如工作流优化、合规性检查和绩效分析。然后，我们提出了一个智能过程分析的整体框架，并概述了跨组织设置中的初始方法，突出了挑战和机遇。这种特定的视角旨在通过利用人工智能为复杂的多组织数据分析提供复杂的解决方案来革命化过程挖掘。通过整合先进的机器学习技术，我们可以增强预测能力、简化流程并促进实时决策制定。此外，我们还指出了未来研究社区的研究方向，鼓励探索创新算法、数据集成策略和隐私保护方法，以充分利用过程挖掘在不同的互联企业环境中的潜力。

探讨使用神经网络进行多模态情感分析的方法和效果

使用多个神经网络进行多模态情感分析，并将结果进行融合

使用了多个数据集进行实验，结果表明多模态情感分析比单模态更有效；提出了一种融合方法，可以有效地提高情感分析的准确性；提出了一种可解释性的方法，可以帮助理解模型的决策过程

最近的相关研究包括：Multi-Modal Sentiment Analysis: A Survey和Multimodal Sentiment Analysis using Hybrid Neural Networks