基于Transformer的业务流程剩余时间预测及编码方式评估方法

刘聪, 张振, 郭娜, 孟晓亮, 徐兴荣, 王雷

PDF(1889 KB)
PDF(1889 KB)
山东科技大学学报(自然科学版) ›› 2024, Vol. 43 ›› Issue (06) : 103-112. DOI: 10.16452/j.cnki.sdkjzk.2024.06.011

基于Transformer的业务流程剩余时间预测及编码方式评估方法

  • 刘聪, 张振, 郭娜, 孟晓亮, 徐兴荣, 王雷
作者信息 +
History +

摘要

业务流程剩余时间预测对于预防流程超时风险有着重要意义。深度学习模型的应用显著提高了剩余时间预测的准确率,但由于输入信息单一,难以发挥模型自身优势;此外,有效的活动编码包含丰富的上下文关系,有助于提升预测效果。针对上述问题,本研究提出一种基于Transformer的业务流程剩余时间预测方法。首先,基于Transformer网络架构构建剩余时间预测模型,选取活动和时间属性作为模型的输入特征。然后,为捕获业务流程活动间的时序关系,选取4种主流自然语言处理领域的编码方式训练活动的表示向量,以编码方式与剩余时间预测任务的匹配性、编码维度两个角度对4种编码方式进行评估。最后,采用6个真实事件日志进行实验测试,结果表明本研究所提方法与已有方法相比预测准确率显著提升,采用连续词袋模型方式训练的活动编码取得了更好的预测效果,并且基于不同规模的事件日志推荐了适用的编码维度。

关键词

Transformer / 业务流程 / 剩余时间预测 / 深度学习 / 编码方式

中图分类号

TP18 / TP391.1

引用本文

导出引用
刘聪, 张振, 郭娜, 孟晓亮, 徐兴荣, 王雷. 基于Transformer的业务流程剩余时间预测及编码方式评估方法. 山东科技大学学报(自然科学版). 2024, 43(06): 103-112 https://doi.org/10.16452/j.cnki.sdkjzk.2024.06.011

基金

国家自然科学基金项目(62472264,52374221); 山东省泰山学者工程专项基金项目(tsqn201909109,ts20190936); 山东省自然科学基金优秀青年基金项目(ZR2021YQ45); 山东省高等学校青创科技计划创新团队项目(2021KJ031)

评论

PDF(1889 KB)

Accesses

Citation

Detail

段落导航
相关文章

/