从源到目标：利用迁移学习实现组织中的预测性过程监控
机器学习
2025-10-01 v2 计算与语言
数据库
摘要
事件日志反映了组织信息系统中映射的业务流程行为。预测性过程监控（PPM）通过创建与过程相关的预测，将这些数据转化为价值，为流程运行时的主动干预提供所需洞察。现有的 PPM 技术需要充足的事件数据或其他相关资源，而这些可能并非随时可用，这阻碍了一些组织利用 PPM。本文提出的基于迁移学习的 PPM 技术，使缺乏合适事件数据或其他相关资源的组织能够实施 PPM 以进行有效决策支持。该技术在现实生活中的组织内和组织间用例中进行了实例化，并基于此使用 IT 服务管理流程的事件日志进行了数值实验。实验结果表明，一个业务流程的知识可以迁移到同一或不同组织中的相似业务流程，从而在目标环境中实现有效的 PPM。所提出的技术通过迁移预训练模型等资源，使组织能够在组织内和组织间环境中受益于迁移学习。
引用
@article{arxiv.2508.08061,
title = {From Source to Target: Leveraging Transfer Learning for Predictive Process Monitoring in Organizations},
author = {Sven Weinzierl and Sandra Zilker and Annina Liessmann and Martin Käppel and Weixin Wang and Martin Matzner},
journal= {arXiv preprint arXiv:2508.08061},
year = {2025}
}