基于对象中心图嵌入的预测性过程监控-计算机科学-深度学习-图注意力网络-预测过程监控.pdfVIP

基于对象中心图嵌入的预测性过程监控

WissamGherissi[0000-0002-2234-2963],Mehdi

Acheli[0000-0001-9649-7127],JoyceElHaddad[0000-0002-2709-2430],

andDanielaGrigori[0000-0003-1741-8676]

UniversitéParis-Dauphine,UniversitéPSL,CNRS,LAMSADE,75016PARIS,

FRANCE

{wissam.gherissi,joyce.elhaddad,daniela.grigori}@dauphine.psl.eu

TelecomSudParis,InstitutPolytechniquedeParis,PARIS,FRANCE

mehdi.acheli@telecom-sudparis.eu

本

译

中Abstract.以对象为中心的预测过程监控探索并利用以对象为中心的事

1件日志来增强过程预测。主要挑战在于提取相关信息和构建有效模型。在

v本文中，我们提出了一种端到端模型，用于预测未来的过程行为，重点关注

1两个任务：下一个活动预测和下一个事件时间预测。所提出的模型采用图

1

4注意力网络来编码活动及其关系，并结合LSTM网络来处理时间依赖性。

5在一个实际生活数据集和三个合成事件日志上进行了评估，该模型展示了

1

.与必威体育精装版方法相比具有竞争力的性能。

7

0

5Keywords:预测过程监控·以对象为中心的·图注意力网络·深度

2学习。

:

v

i

x

r1介绍

a

预测过程监控（PPM）是流程挖掘的一个关键领域，专注于预测流程

的未来发展、潜在偏差和变化。目标是利用机器学习和深度学习的进步来开

发基于事件数据进行准确预测的模型，并且最近的研究重点集中在对象中心

的事件日志上。传统的流程挖掘模型通过将每个事件关联到单个案例来简化

事件日志，但在现实世界场景中这种方法存在局限性。VanderAalst在[1]

中强调了这种单一案例概念如收敛和发散等方面的不足之处。当同一事件与

多个案例相关联时会发生收敛现象，例如同一个包裹中的不同物品的发货事

件。当同一活动对单个案例多次发生时则出现发散现象，比如为同一个订单

挑选和分类多个物品。

2W.Gherissietal.

为了克服上述缺点，最近引入了面向对象的事件日志（OCEL）[11]。

OCEL通过将事件与多种对象类型关联起来，捕捉过程的多个视角，相比

单个案例事件日志提供了更丰富的见解。这种新的面向对象的数据格式激

发了传统流程挖掘技术的进步，包括流程发现[2]、其相关指标（精确度和

适应性）[5]、一致性检查[15]以及预测过程监控。在PPM中，近期的研

究[3],[4],[10