典型文献
基于ON-LSTM的业务过程模型深度自动生成
文献摘要：
为打破现有过程挖掘算法在日志缺失时无法使用带来的局限性,基于现有的深度学习、自然语言处理技术基础,提出一种新颖的从过程文本描述中深度自动生成业务过程模型的方法.对现有命名实体方法进行改进,通过BERT,BiLSTM,CRF构建活动实体识别模型,提出面向业务过程的活动实体识别方法;将语言模型从句子级别扩展到文档级别,提出一种通过递归体系结构有序神经网络(ON-LSTM)无监督地发现过程描述文档中所蕴含的活动实体间潜在的层次结构;通过活动实体的层次深度原则,将层次结构树转化为业务过程模型.通过对人工采集与标注的150个真实的SAP产品用户指南文本作为训练数据进行实验,并在ON-LSTM基础上采用K折交叉验证思想对数据进行多次分组实验,验证了所提方法的有效性.
文献关键词：
深度学习;业务过程发现;活动实体;层次结构;有序神经长短期记忆网络
中图分类号：
作者姓名：
朱锐;吕昌龙;李彤;何亚辉;刘航;张存明;陈晔婷
作者机构：
云南大学 软件学院,云南 昆明 650091;云南省软件工程重点实验室,云南 昆明 650091;云南农业大学 大数据学院,云南 昆明 650201;云南师范大学 经济与管理学院,云南 昆明 650091
文献出处：
引用格式：
[1]朱锐;吕昌龙;李彤;何亚辉;刘航;张存明;陈晔婷-.基于ON-LSTM的业务过程模型深度自动生成)[J].计算机集成制造系统,2022(10):3225-3237
A类：
活动实体,业务过程发现,有序神经长短期记忆网络
B类：
ON,过程模型,模型深度,自动生成,有过程,过程挖掘,挖掘算法,日志,自然语言处理技术,技术基础,程文,文本描述,有命,命名实体,BERT,BiLSTM,CRF,识别模型,出面,实体识别方法,语言模型,从句,句子级,文档级,递归,体系结构,无监督,层次结构,过活,构树,SAP,训练数据,交叉验证,分组实验
AB值：
0.363659
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。
