面向业务流程的文本感知预测性监控

利用历史事件数据对业务流程进行实时预测是现代业务流程监控系统的一项重要能力。现有的流程预测方法除控制流视角外，也能利用所记录事件的数据视角。然而，尽管许多预测技术考虑了结构良好的数值或类别属性，几乎没有任何技术能够利用以自然语言书写的文本文档，而此类文档可能包含对预测任务至关重要的信息。本文中，我们阐述了一种基于长短期记忆（LSTM）神经网络和自然语言模型的新型文本感知流程预测模型的设计、实现与评估。所提模型可考虑事件数据中的类别、数值和文本属性，以预测下一事件的活动与时间戳、结果以及运行流程实例的周转时间。实验表明，在包含文本数据的模拟和真实世界事件日志上，该文本感知模型能够优于最先进的流程预测方法。