HGCN(O)：一种用于事件序列数据结果预测的自调优 GCN 超模型工具包
机器学习
2025-08-06 v2
摘要
我们提出了 HGCN(O)，一种使用图卷积网络 (GCN) 模型进行事件序列预测的自调优工具包。我们的工具包包含跨越 GCNConv 和 GraphConv 层的四种 GCN 架构（O-GCN、T-GCN、TP-GCN、TE-GCN），将事件序列的多种图表示与节点级和图级属性的不同选择以及通过边权重表示的时间依赖性相结合，优化了平衡和不平衡数据集的预测准确性和稳定性。大量实验表明，GCNConv 模型在不平衡数据上表现优异，而所有模型在平衡数据上表现一致。实验还证实了 HGCN(O) 相比传统方法的优越性能。应用包括预测性业务流程监控 (PBPM)，它基于事件日志预测业务流程的未来事件或状态。
引用
@article{arxiv.2507.22524,
title = {HGCN(O): A Self-Tuning GCN HyperModel Toolkit for Outcome Prediction in Event-Sequence Data},
author = {Fang Wang and Paolo Ceravolo and Ernesto Damiani},
journal= {arXiv preprint arXiv:2507.22524},
year = {2025}
}
备注
15 pages, 2 figures, preprint submitted to Knowledge-Base Systems