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）。
