基于大语言模型的业务流程语义异常检测方法

来源：计算机集成制造系统杂志2026年第3期北京时间：

作者：关威, 曹健, 赵海燕, 姚艳

单位：1.上海交通大学电子信息与电气工程学院2.上海理工大学光电信息与计算机工程学院3.曲阜师范大学计算机学院

摘要：识别并处理业务流程中的异常对于确保企业稳定运营至关重要。虽然现有方法常通过统计分析频率来发现异常,但低频行为并不一定代表异常,从语义角度检测异常因此已成为研究热点。本文提出了一种基于大语言模型的业务流程语义异常检测方法(SemAD),通过微调大语言模型使其能够重建正常轨迹,并根据重建误差检测异常情况。同时,本文设计了一种新颖的词元异常分数计算机制,考虑到每个执行的活动(事件)会被分词为多个词元,事件的异常分数通过对其对应词元的异常分数进行聚合得到。实验证明,SemAD在泛化能力和给定流程的学习方面均优于现有的最先进的业务流程语义异常检测方法。

关键词：业务流程,异常检测,大语言模型,流程挖掘,事件日志

基金资助：国家自然科学基金资助项目(62072301);上海市科委科技创新计划资助项目(21DZ1205000);上海交通大学医工交叉资助项目(YG2024QNB05)。