HOEG：一种以对象为中心的预测性流程监控新方法

预测性流程监控侧重于预测正在进行的流程执行的未来状态，例如预测剩余时间。以对象为中心的流程挖掘的最新发展通过对象及其事件之间的显式关系丰富了事件数据。为了利用这些丰富的数据，我们提出了异构对象事件图编码（HOEG），它将事件和对象整合到具有多种节点类型的图结构中。它在不聚合对象特征的情况下做到这一点，从而创建了更细致且信息更丰富的表示。然后，我们采用异构图神经网络架构，在预测任务中结合这些多样的对象特征。我们在预测剩余时间方面评估了 HOEG 的性能和可扩展性，并将其与两种成熟的基于图的编码和两种基线模型进行了基准比较。我们的评估使用了三个以对象为中心的事件日志（OCEL），包括来自一家荷兰主要金融机构的真实流程的事件日志。结果表明，HOEG 与现有模型竞争良好，并在 OCEL 包含信息丰富的对象属性和事件-对象交互时超越了它们。