基于前綴樹的業(yè)務(wù)流程增強預測方法

打開文本圖片集

摘 要：預測性業(yè)務(wù)流程監(jiān)控主要利用已經(jīng)發(fā)生的流程執(zhí)行的數(shù)據(jù)，目前的主流方法是通過建立深度學習模型預測在線流程的執(zhí)行情況?，F(xiàn)有的流程預測深度學習方法主要利用歷史事件日志數(shù)據(jù)來學習模型進行預測，較少考慮日志間的行為關(guān)系，本文通過挖掘流程執(zhí)行期間日志之間的行為關(guān)系，以幫助提高預測模型的質(zhì)量。將挖掘出的日志間的行為關(guān)系使用前綴樹進行表示，并使用現(xiàn)有的基于深度學習的業(yè)務(wù)流程預測模型，在結(jié)果預測階段通過前綴樹結(jié)構(gòu)篩選符合行為關(guān)系的預測結(jié)果提供決策支持，以此提高預測結(jié)果的精確度，并在事件日志中與基線方法進行比對，在預測下一個活動以及預測后綴方面，預測精度均有所提高。（剩余11200字）