-
题名基于增强事件日志局部信息的多任务预测方法
- 1
-
-
作者
陈昊
卢可
-
机构
安徽理工大学数学与大数据学院
安徽省煤矿安全大数据分析与预警技术工程实验室
-
出处
《佳木斯大学学报（自然科学版）》
CAS
2024年第4期1-5,9,共6页
-
基金
国家自然科学基金资助项目(61402011)
安徽省重点研究与开发计划项目(2022a05020005)
安徽省自然科学基金项目(水科学联合基金,2308085US11)。
-
文摘
在业务流程管理中,预测性流程监控通过对未来活动的预测来为当前流程提供指导。最近的研究集中在基于注意力机制的深度学习方法中,但是它们忽略了事件日志中重要的局部结构,针对该问题,提出了MELIA方法以着重关注局部结构。MELIA使用局部门控循环单元(LocalGRU)将输入的迹前缀序列划分成若干局部短序列,捕捉每个局部短序列的位置信息以增强事件日志的局部信息,再通过多头注意力机制模块和多任务学习模块以完成不同预测任务。通过6个公开可用的数据集进行评估分析,结果表明,提出的方法在预测性流程监控方面表现良好。
-
关键词
业务流程
预测性流程监控
GRU
注意力机制
多任务学习
-
Keywords
business process
predictive process monitoring
GRU
attention mechanism
multitasking learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
