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
来源：计算机集成制造系统杂志2025年第5期北京时间：
作者：田银花, 庞孝文, 杨瑞敏, 韩咚, 王路, 杜玉越
单位：1.山东科技大学智能装备学院2.山东科技大学继续教育学院3.山东科技大学计算机科学与工程学院
摘要：剩余时间预测可以提升企业的风险应对能力,现有的预测方法存在轨迹刻画中语料库不丰富难以捕捉关键信息、应用的深度学习模型单一且通用性不足以及需要根据不同长度训练多个模型等问题。针对上述问题,提出一种基于前缀轨迹表示学习方法和注意力机制的绝对剩余时间预测模型。首先,设计一种前缀轨迹表示学习方法获取表示向量,然后结合注意力机制提出PTr-Transformer模型。最后,该模型在5个真实事件日志中进行实验,结果表明针对大规模数据集可以有效提升剩余时间预测精度,最高可提升8.3%。
关键词：剩余时间预测,业务流程管理,前缀轨迹,注意力机制,表示学习
基金资助：国家自然科学基金资助项目（72101137,61973180）;教育部人文社会科学研究青年基金资助项目（21YJCZH150,20YJCZH159）;山东省自然科学基金资助项目（ZR2021MF117,ZR2022QF020）;山东省重点研发计划（软科学）资助项目（2022RKY02009）;山东省习近平新时代中国特色社会主义思想研究中心山东科技大学山东数字经济研究基地资助项目（SDSZJD202314）。
