基于图神经网络的直接跟随图预测性流程监控
机器学习
2025-03-06 v1 人工智能
摘要
近年来，基于人工神经网络的预测性流程监控（PPM）技术作为监控业务流程未来行为的方法而发展起来。现有方法大多关注将流程解释为序列——即迹——并将其输入设计用于处理序列数据的神经网络架构，如循环神经网络（RNN）或Transformer。在本研究中，我们调查了一种执行 PPM 的替代方法：通过将每个流程转换为其直接跟随图（DFG）表示，我们可以应用图神经网络（GNN）来进行预测任务。我们的目标是开发更适合复杂、长流程且包含大量循环的模型。具体而言，我们根据所使用的特定 GNN 提出了创建 DFG 表示的不同方法。测试的 GNN 涵盖从经典基于节点的到新颖基于边的架构。此外，我们研究了使用多重图的可能性。通过这些步骤，我们旨在设计在将迹转换为图时最小化信息损失的图表示。
引用
@article{arxiv.2503.03197,
title = {Directly Follows Graphs Go Predictive Process Monitoring With Graph Neural Networks},
author = {Attila Lischka and Simon Rauch and Oliver Stritzel},
journal= {arXiv preprint arXiv:2503.03197},
year = {2025}
}
备注
10 pages, 4 figures, 3 tables