基于层次化BERT的可解释性框架:一种面向业务过程预测的方法
来源:计算机集成制造系统杂志2025年第5期北京时间:
作者:袁永旺, 方贤文, 卢可
单位:1.安徽理工大学数学与大数据学院2.安徽省煤矿安全大数据分析与预警技术工程实验室
摘要:业务过程预测作为业务过程管理(BPM)的一个重要研究方向,用于准确预测未来的行为事件。它可以为过程行为分析方法的下游任务提供重要支持。面向BPM研究,大多数现有的过程行为分析方法都采用了基于黑箱的深度学习模型,导致可解释性较差,无法提供关于为什么要做出某个预测结果的解释。首先,提出一种基于BERT的层次化可解释性框架(HBI),实现了从局部可解释扩展到全局(整体框架行为)可解释的能力。然后,基于层次化、特征重要性分析、注意力可视化的方法对框架进行可解释分析,理解内部运作过程和决策逻辑,提高透明度。最后,在真实的事件日志中的实验结果表明,相比最先进的研究方法,HBI框架既保证了高于基线的预测准确度,也确保了框架的可解释性。
关键词:业务过程管理预测,可解释性,深度学习,注意力,事件日志
基金资助:国家自然科学基金资助项目(61572035);安徽省重点研发计划资助项目(2022a05020005),安徽省自然科学基金资助项目(2308085US11)。
2025年5期其他文献查阅:
数据驱动的不可靠装配线性能评估方法
考虑异构AGV的柔性作业车间集成调度
面向大型筒件装配界面的机器人扫描测量路径规划
基于EDFormer的双极板焊接区域语义边缘检测
铰接轮式装载机的模型预测轨迹跟踪研究
基于时空样本一致性的光照变化场景运动目标检测
结构映射理论引导下知识驱动的裁剪方法研究
基于束搜索和改进成本函数的过程一致性检测技术
基于区块链的跨组织业务流程模型演化和实例迁移
基于抽象标签序列与大语言模型的业务过程自动生成
基于集成学习的业务流程异常检测与定位方法
面向业务流程协作的信誉分组共识机制
结合数据流和控制流漂移发现的业务过程异常检测方法
跨组织业务流程合规性检查与异常行为诊断方法
基于DMN的数据影响交互流程变化感知分析方法
不确定轨迹概率计算及日志修复研究
对象为中心流程模型挖掘与正确性验证方法
基于预训练的并发业务过程实例剩余执行时间预测方法
基于层次化BERT的可解释性框架:一种面向业务过程预测的方法
基于前缀轨迹表示学习和注意力机制的业务流程绝对剩余时间预测方法
基于因果推断的业务流程时间异常根因分析方法
可处理流程模型中重复任务的适应性评估方法
大数据使能的柔性工作流及其应用
基于足迹矩阵的分解模型挖掘方法
基于XGBoost串并联集成的数据驱动MSWI全流程模型
学习型工厂:建设路径、应用及未来发展
考虑出行场景的适老助行产品服务设计质量屋研究
智能回收模式下逆向物流车辆路径问题研究
不同权力结构下的再制造产品销售渠道策略
基于自适应MPGA的湿度敏感类物品立体仓库货位分配方法