ProcK: 面向知识密集型流程的机器学习
机器学习
2022-08-04 v2 数据库
神经与进化计算
摘要
我们提出了一种构建强大预测性流程模型的新颖方法。我们的方法称为 ProcK (Process & Knowledge), 不仅依赖于事件日志形式的序列输入数据, 还能学习使用知识图谱来整合有关事件属性值及其相互关系的信息。该思想通过将事件属性映射到知识图谱的节点, 并以端到端的方式将序列模型与图神经网络一起训练来实现。这种混合方法显著增强了预测性流程监控的灵活性与适用性, 因为驻留在组织数据库中的静态和动态信息均可直接作为输入数据。我们通过将 ProcK 应用于多个预测性流程监控任务来展示其潜力, 包括提供知识图谱的任务以及未提供此类图谱的现有流程监控基准。实验证明, 我们的方法达到了 state-of-the-art 的性能, 并且在知识图谱可用时提升了预测能力。
引用
@article{arxiv.2109.04881,
title = {ProcK: Machine Learning for Knowledge-Intensive Processes},
author = {Tobias Jacobs and Jingyi Yu and Julia Gastinger and Timo Sztyler},
journal= {arXiv preprint arXiv:2109.04881},
year = {2022}
}