融合记忆网络与变迁系统的业务过程实例剩余执行时间预测方法

来源：计算机集成制造系统杂志2024年第8期北京时间：

作者：倪维健, 马少军, 刘彤, 曾庆田, 闫鸣

单位：1.山东科技大学计算机科学与工程学院2.济宁医学院附属医院

摘要：在业务过程实例剩余执行时间预测任务中,大多数现有方法仅对过程实例前缀进行编码,这类预测方法仅可以考虑到已经发生的事件对于预测结果的影响,在一定程度上忽略了过程实例中未来可能发生的事件对剩余时间预测的影响。针对这种不足,提出一种融合记忆网络与变迁系统的过程实例剩余时间预测方法。首先,通过变迁系统挖掘过程实例后缀,以双向门控循环单元为基础,对过程实例前缀和实例后缀进行编码;之后,使用记忆网络结合注意力机制学习过程实例中不同事件的权重,以便更好地对过程实例建模。此外,为充分考虑不同长度的过程实例前缀之间的相关性和数量差异,引入迁移学习机制构建面向不同轨迹长度的多个预测模型,以提高模型的训练效果。最后,在3个公开真实数据集上进行实验,验证了所提方法相比于多种已有方法的优势。

关键词：业务过程,剩余执行时间,变迁系统,深度学习

基金资助：山东省自然科学基金资助项目(ZR2022MF319);国家自然科学基金资助项目(71704096,U1931207);青岛市社会科学规划研究项目(QDSKL1801122,QDSKL2001117);山东省泰山学者工程专项基金资助项目(ts20190936)。