基于事件日志增强的时序活动表示学习方法
来源：计算机集成制造系统杂志2019年第4期北京时间：
作者：倪维健,孙宇健,曾庆田,刘彤,郭浩宇,刘聪
单位：山东科技大学计算机科学与工程学院
摘要：传统业务流程建模与分析任务中通常将活动表示为离散符号,损失了一定的语义信息。针对这一问题,提出了时序活动表示学习方法,使用多维实数向量对活动语义进行量化表示,为深度学习等现代人工智能技术在业务流程建模与分析中的应用提供基础支持。首先利用过程模型对事件日志的高层次抽象能力,通过过程模型挖掘及仿真对原始事件日志进行增强,扩大事件日志规模并强化活动关系统计信息;然后设计了融合活动关系和执行时间信息的向量表示学习算法,从增强后的事件日志中学习活动向量表示。通过在一个公开的真实医院诊疗日志语料上开展的实验研究验证了所提方法相比于传统的词向量学习方法具有明显优势。
关键词：活动,事件日志,表示学习,流程树,向量表示学习算法
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);山东省科技发展计划资助项目(2016ZDJS02A11);教育部人文社会科学研究资助项目(16YJCZH012,17YJCZH187)。
