科研之友
微信
新浪微博
Facebook
分享链接
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，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。针对以上问题，提出一种基于日志采样的下一事件预测方法(Sampling-based Next Event Prediction， SNEP)。具体而言，首先，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；其次，使用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（Long Short-Term Memory， 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预测准确率和效率均有提升，最高可达99.94%准确率和22.58倍效率提升。因此可以认为该方法能够帮助从业者高效实现下一事件预测任务。
- 单位
