SNAP：用于下一活动预测的语义故事
人工智能
2024-03-15 v2
摘要
预测正在进行过程中的下一活动是业务流程管理 (BPM) 领域最常见的分类任务之一。它允许企业优化资源配置，提高运营效率，并有助于风险缓解和战略决策。这在 BPM 和 AI 快速演变的交汇处提供了竞争优势。现有的用于业务流程预测的最先进 AI 模型并未充分利用流程事件日志中可用的语义信息。随着当前先进的 AI-BPM 系统提供语义更丰富的文本数据，对新颖的合适模型的需求日益增长。为了填补这一空白，我们提出了新颖的 SNAP 方法，该方法通过从流程历史事件日志构建语义上下文故事并将其用于下一活动预测，从而利用语言基础模型。我们在六个基准数据集上将 SNAP 算法与九个最先进的模型进行了比较，结果表明 SNAP 显著优于它们，特别是对于具有高水平语义内容的数据集。
引用
@article{arxiv.2401.15621,
title = {SNAP: Semantic Stories for Next Activity Prediction},
author = {Alon Oved and Segev Shlomov and Sergey Zeltyn and Nir Mashkif and Avi Yaeli},
journal= {arXiv preprint arXiv:2401.15621},
year = {2024}
}