基于日志采样的流程下一事件预测方法
来源：计算机集成制造系统杂志2024年第10期北京时间：
作者：董乐乐, 刘聪, 张帅鹏, 倪维健, 任崇广, 曾庆田
单位：1.山东理工大学计算机科学与技术学院2.山东科技大学计算机科学与工程学院
摘要：下一事件预测任务是预测性流程监控的研究重点之一,针对现有基于深度学习的预测方法存在训练时间过长、参数量过大、对硬件要求过高等无法满足业务流程动态性的问题,提出一种基于日志采样的下一事件预测方法(SNEP)。通过计算事件重要性和直接跟随活动关系重要性来衡量轨迹重要性,抽取部分重要轨迹表示原事件日志;采用One-hot编码方式对轨迹前缀重新编码,并设计了适用下一事件预测任务的三层长短期记忆网络（LSTM）预测模型。在6个真实事件日志中进行实验,探究所提方法的有效性和不同采样率对模型预测结果的影响,结果表明预先采样的下一事件预测方法在各事件日志中的预测准确率和效率均有提升,验证了该方法的优越性。
关键词：业务流程,下一事件预测,事件日志采样,深度学习,长短期记忆网络
基金资助：国家自然科学基金资助项目（62472264,52374221）;山东省泰山学者工程专项基金资助项目（tsqn201909109,ts20190936）;山东省自然科学基金优秀青年基金资助项目（ZR2021YQ45）;山东省高等学校青创科技计划创新团队资助项目（2021KJ031）。
