关于前沿深度学习过程预测方法的系统文献综述
机器学习
2021-06-09 v2
摘要
过程挖掘使得能够基于 IT 系统中的数字轨迹重建和评估业务流程。在此背景下一项日益重要的技术是过程预测。给定一个正在进行轨迹的事件序列，过程预测允许预测即将发生的事件或性能度量。近年来，人们提出了多种过程预测方法，应用了不同的数据处理方案与预测算法。本研究聚焦于深度学习算法，因为它们似乎持续优于其机器学习替代方案。尽管拥有共同的学习算法，它们使用不同的数据预处理技术、实现多种网络拓扑，并关注各种目标，如结果预测、时间预测或控制流预测。此外，作者所使用的日志数据、评估指标与基线集合各不相同，使得结果难以比较。本文试图通过进行系统文献综述来综合这些方法在程序性决策上的优缺点。
引用
@article{arxiv.2101.09320,
title = {A systematic literature review on state-of-the-art deep learning methods for process prediction},
author = {Dominic A. Neu and Johannes Lahann and Peter Fettke},
journal= {arXiv preprint arXiv:2101.09320},
year = {2021}
}
备注
Accepted for publication with Artificial Intelligence Review (initial Submission 13.07.20). Document is identical to that of the previous version