用于下一活动预测的基于知识与注意力机制的神经网络调制
人工智能
2023-12-15 v1 机器学习
神经与进化计算
机器学习
摘要
预测性过程监控旨在利用历史过程执行数据预测正在进行的执行将如何继续直至完成。近年来，用于预测下一活动的 PPM 技术已显著成熟，主要得益于将神经网络作为预测器。虽然在一般情况下其性能难以超越，但在某些特定情况下，背景过程知识可能会有所帮助。可以利用此类知识来提高对异常过程执行或由于概念漂移导致过程发生变化时的预测质量。在本文中，我们提出了一个 Symbolic[Neuro] 系统，该系统利用以过程化过程模型表达的背景知识来抵消训练数据中的欠采样问题。更具体地说，我们使用带有注意力机制的神经网络进行预测，这是神经网络领域的一项新兴技术。该系统已在多个真实日志上进行了测试，显示出预测任务性能的提升。
引用
@article{arxiv.2312.08847,
title = {Knowledge-Driven Modulation of Neural Networks with Attention Mechanism for Next Activity Prediction},
author = {Ivan Donadello and Jonghyeon Ko and Fabrizio Maria Maggi and Jan Mendling and Francesco Riva and Matthias Weidlich},
journal= {arXiv preprint arXiv:2312.08847},
year = {2023}
}