基于 LSTM 神经网络的预测性业务流程监控
应用统计
2017-12-20 v2 数据库
机器学习
神经与进化计算
机器学习
摘要
预测性业务流程监控方法利用已完成案例的日志来对正在运行的案例进行预测。该领域的现有方法都是为特定预测任务量身定制的。此外，它们的相对准确度对当前数据集高度敏感，因此用户在特定场景中应用时需要进行反复试错和调优。本文研究将长短期记忆 (Long Short-Term Memory, LSTM) 神经网络作为一种方法，为广泛的预测性流程监控任务构建一致准确的模型。首先，我们证明 LSTM 在预测运行案例的下一个事件及其时间戳方面优于现有技术。接着，我们展示如何利用预测下一个任务的模型来预测运行案例的完整后续流程。最后，我们应用相同的方法来预测剩余时间，并证明该方法优于现有的定制化方法。
引用
@article{arxiv.1612.02130,
title = {Predictive Business Process Monitoring with LSTM Neural Networks},
author = {Niek Tax and Ilya Verenich and Marcello La Rosa and Marlon Dumas},
journal= {arXiv preprint arXiv:1612.02130},
year = {2017}
}
备注
Accepted at the International Conference on Advanced Information Systems Engineering (CAiSE) 2017