典型文献
基于双向准循环神经网络和注意力机制的业务流程剩余时间预测方法
文献摘要：
业务流程预测可以有效帮助企业进行流程控制和传递高质量服务,因此作为此类场景中的核心任务之一,业务流程剩余时间预测得到国内外学者的广泛关注.当前,在利用深度学习技术对业务流程剩余时间进行预测时,大都采用传统长短期记忆循环神经网络,然而,由于长短期记忆循环神经网络在处理序列数据的过程中缺乏并行性且建模能力有限,使得预测准确度还有进一步提升空间.因此,本文提出一种基于双向准循环神经网络和注意力机制的业务流程剩余时间预测方法.首先,该方法以双向准循环神经网络构建剩余时间预测模型,并在预测模型中融入注意力机制增强双向准循环神经网络输出的特征信息.其次,设计了一种基于不同长度轨迹前缀训练迭代策略,解决流程实例中不同长度轨迹前缀数量存在差异性的问题.最后,提出一种基于Word2vec的事件表示学习方法,实现对同一轨迹且经常出现事件的相似性向量表示,从而达到提高剩余时间预测准确度的目的.经在5个公开事件日志数据集上实验,本文方法与已有方法相比在预测准确度上平均提高近15％,模型训练时间平均缩短约26％.
文献关键词：
深度学习;准循环神经网络;业务流程;剩余时间预测;事件表示学习
中图分类号：
作者姓名：
徐兴荣;刘聪;李婷;郭娜;任崇广;曾庆田
作者机构：
山东理工大学计算机科学与技术学院,山东淄博255000;山东科技大学计算机科学与工程学院,山东青岛266590
文献出处：
引用格式：
[1]徐兴荣;刘聪;李婷;郭娜;任崇广;曾庆田-.基于双向准循环神经网络和注意力机制的业务流程剩余时间预测方法)[J].电子学报,2022(08):1975-1984
A类：
事件表示学习
B类：
准循环神经网络,注意力机制,业务流程,剩余时间预测,流程控制,高质量服务,核心任务,深度学习技术,长短期记忆循环神经网络,序列数据,并行性,建模能力,预测准确度,提升空间,网络构建,时间预测模型,特征信息,同长,前缀,迭代策略,Word2vec,表示学习方法,经常出现,性向,向量表示,事件日志,日志数据,模型训练,训练时间,时间平均
AB值：
0.231531
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
