学习何时处理业务流程：基于因果推断与强化学习的规定性流程监控
机器学习
2023-03-08 v1 人工智能
统计方法学
摘要
提高流程成功率（即以正向结果结束的案例百分比）是一个反复出现的流程改进目标。在运行时，常有某些动作（亦称处理）可供工作人员执行，以提升案例以正向结果结束的概率。例如，在贷款发起流程中，一种可能的处理是发出多个贷款要约以增加客户接受贷款的概率。每种处理都有成本。因此，在定义向案例开具处理的策略时，管理者需要考虑处理的净收益。此外，处理的效果随时间变化：在案例早期处理可能比后期更有效。本文提出一种规定性监控方法，可自动化此决策任务。该方法结合因果推断与强化学习，以学习使净收益最大化的处理策略。该方法利用保形预测技术，通过将可能以正向或负向结果结束的案例与不确定案例分离，加速强化学习机制的收敛。在两个真实数据集上的评估表明，所提方法优于最先进的基线。
引用
@article{arxiv.2303.03572,
title = {Learning When to Treat Business Processes: Prescriptive Process Monitoring with Causal Inference and Reinforcement Learning},
author = {Zahra Dasht Bozorgi and Marlon Dumas and Marcello La Rosa and Artem Polyvyanyy and Mahmoud Shoush and Irene Teinemaa},
journal= {arXiv preprint arXiv:2303.03572},
year = {2023}
}