计算机应用研究

作者：刘恒,方贤文,卢可,

单位：1.安徽理工大学数学与大数据学院,安徽淮南232001；2.安徽省煤矿安全大数据分析与预警技术工程实验室,安徽淮南232001；

关键词：行为轮廓,预测性过程监控,业务流程,结果预测,

基金：国家自然科学基金资助项目(61572035,61402011)；安徽省重点研究与开发计划资助项目(2022a05020005)；；

预测性过程监控依赖于预测效果，针对如何增强预测性过程监控预测效果的问题，提出了一种基于行为轮廓矩阵增强的业务流程结果预测方法。首先，通过分析活动间的行为关系提取行为轮廓矩阵，并将其与事件序列一同输入到模型中。随后，结合卷积神经网络（CNN）和长短期记忆网络（LSTM）分别学习矩阵图像特征和序列特征。最后，引入注意力机制以整合图像特征和序列特征进行预测。通过真实事件日志进行验证，在预测事件日志结果方面，提出的增强方法对比基准的LSTM预测方法提高了预测效果，验证了方法的可行性。该方法结合行为轮廓矩阵增强了预测模型对事件日志中行为之间关系的理解，进而提升了预测效果。

来源：2024年第6期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第6期