基于注意力双向循环神经网络的业务流程剩余时间预测方法
来源:计算机集成制造系统杂志2020年第6期北京时间:
作者:倪维健,孙宇健,刘彤,曾庆田,刘聪
单位:山东科技大学计算机科学与工程学院
摘要:现有的基于深度学习的业务流程剩余时间预测方法大多采用传统的长短期记忆循环神经网络构建预测模型,由于传统长短期记忆循环神经网络对序列数据的建模能力有限,导致现有方法的预测效果还有较大提升空间。针对现有方法的不足,提出一个基于注意力双向循环神经网络的业务流程剩余时间预测方法。该方法使用双向循环神经网络对流程实例数据进行建模,同时引入注意力机制自动学习流程实例中不同事件的权重。此外,为了进一步提升学习效果,基于迁移学习的思想设计了一种迭代学习策略,为不同长度的流程实例分别构建剩余时间预测模型,提高了模型的针对性。实验结果表明,所提方法与传统的方法相比具有明显的优势。
关键词:剩余时间预测,业务流程,双向循环神经网络,注意力机制
基金资助:国家自然科学基金资助项目(61602278,71704096);中国博士后科学基金资助项目(2014M561949);青岛市社会科学规划研究资助项目(QDSKL1801122)。
2020年6期其他文献查阅:
基于结构关系的过程模型推荐方法
Activiti引擎的无状态云工作流调度算法
基于专业能力评价模型的业务流程角色协同调优算法
基于直接后继关系对齐的过程符合性检测
基于信息熵的无标日志划分评价方法
关系数据库中事件日志的紧邻关系高效挖掘方法
基于行为的自动化流程建模推荐方法
基于轨迹聚类种群的遗传过程混成挖掘算法
基于Petri网的分层业务过程挖掘方法
基于因果行为轮廓的流程变体聚类挖掘方法
基于Petri网分析编排的可实现性
基于二部网络表示学习的矩阵分解推荐算法
基于注意力双向循环神经网络的业务流程剩余时间预测方法
基于对齐处理与偏差检测的业务流程适合度分析
混合云环境下成本与隐私感知的工作流调度方法
基于Petri网可达图的业务对齐方法
移动边缘计算环境中基于能耗优化的深度神经网络计算任务卸载策略
移动边缘计算环境下基于信任模型的可靠多重计算卸载策略
一种成本有效的面向超参数优化的工作流执行优化方法
基于数据生成—消耗依赖的语义工作流并行化重构方法
融合煤矿多维时序数据的瓦斯异常检测算法
基于Petri网的业务流程低频行为挖掘与优化分析
基于医疗过程挖掘与患者体征的药物推荐方法
一种反射面天线面板装配优化方法
基于近似动态规划的模具项目调度
基于蚁群选择超启发算法的低碳选址—路径问题
自动驾驶车辆偏航控制方法