基于上下文增强过程事件日志的下一活动预测深度神经网络架构实证比较
机器学习
2020-05-05 v1
摘要
研究者已提出多种预测性业务流程监控(PBPM)技术,旨在流程执行期间预测未来的流程行为。尤其是,用于下一活动预测的技术在改进运营业务流程方面展现出巨大潜力。为获得更精确的预测,大量此类技术依赖于深度神经网络(DNNs)并考虑流程运行所处上下文的信息。然而,PBPM文献中缺少对此类技术的深入比较,这阻碍了研究者和从业者针对给定事件日志选择最佳方案。为弥补这一问题,我们基于五个上下文增强的真实事件日志,实证评估了三种有前景的DNN架构结合五种成熟编码技术的预测质量。我们给出四项发现,可支持研究者和从业者设计用于预测下一活动的新型PBPM技术。
引用
@article{arxiv.2005.01194,
title = {An empirical comparison of deep-neural-network architectures for next activity prediction using context-enriched process event logs},
author = {S. Weinzierl and S. Zilker and J. Brunk and K. Revoredo and A. Nguyen and M. Matzner and J. Becker and B. Eskofier},
journal= {arXiv preprint arXiv:2005.01194},
year = {2020}
}