【技术实现步骤摘要】
【国外来华专利技术】可解释的过程预测
[0001]相关申请交叉引用
[0002]本申请要求2019年12月30日提交的第16/729,971号美国专利申请的优先权，其公开内容通过引用整体并入本文。
[0003]本公开总体涉及过程挖掘，更具体地，涉及用于理解运行中的过程中的预测的业务过程参数的解释框架。
技术介绍
[0004]企业存储有关其过程执行的大量数据，以监控和改进其过程。过程挖掘技术用于从该存储数据中获得洞察，用于各种目的，诸如发现过程模型、检查一致性、改进过程模型、以及预测开放案例中的行为(例如，运行中的过程)。
[0005]传统的过程挖掘技术使用历史数据来洞察过程的当前行为。可以将预测组件集成到过程挖掘中，以便于在正在进行的过程执行期间例如由用户进行干预。通常，预测组件需要使用机器学习模型来做出预测。虽然复杂的机器学习模型可以用来提高预测的准确性，但这些模型的决策逻辑很难理解。一般而言，可以提供关于模型如何工作(例如，全局)和/或如何获得特定预测(例如，局部)的解释。理解模型的决策逻辑，特别是理解如何获取特定预...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种计算机实现的方法，包括：使用一个或多个基于机器学习的预测模型生成针对与运行中的过程相关联的一个或多个过程参数的预测；生成与生成的预测相对应的面向解释的数据元素，所述面向解释的数据元素包括与所述生成的预测相关联的置信度指标；以及在可视化平台的一个或多个仪表板中呈现所述面向解释的数据元素。2.根据权利要求1所述的计算机实现的方法，其中所述一个或多个过程参数包括指示用于所述运行中的过程的剩余时间的剩余过程时间参数。3.根据权利要求1所述的计算机实现的方法，其中所述面向解释的数据元素表示用于所述生成的预测的解释框架，并且其中所述解释框架相对于所述一个或多个基于机器学习的预测模型是模型无关的。4.根据权利要求3所述的计算机实现的方法，其中生成预测还包括：使用包括结束案例的相应训练集以离线模式训练所述一个或多个基于机器学习的预测模型；以及从所述一个或多个基于机器学习的预测模型之中选择特定训练模型，以用于针对所述运行中的过程以在线模式生成预测。5.根据权利要求4所述的计算机实现的方法，其中训练所述一个或多个基于机器学习的预测模型包括：从结束案例的事件日志中提取前缀轨迹；基于提取的前缀轨迹中的每个前缀轨迹中的最后已知活动，将所述提取的前缀轨迹与一个或多个存储桶相关联；以及在与所述一个或多个存储桶中的每个存储桶相关联的特征向量中编码所述提取的前缀轨迹，以针对所述一个或多个存储桶中的每个存储桶生成相应的训练模型。6.根据权利要求5所述的计算机实现的方法，其中生成所述面向解释的数据元素包括：生成特征贡献数据元素，所述特征贡献数据元素指示特征如何对与所述一个或多个过程参数相关联的预测值做出贡献。7.根据权利要求6所述的计算机实现的方法，其中生成所述面向解释的数据元素还包括：标识和应用来自邻域中的相似案例的比较属性。8.根据权利要求7所述的计算机实现的方法，其中生成所述面向解释的数据元素还包括：将所述运行中的过程的预测过程参数与所述邻域中的所述相似案例进行比较，以导出针对所述运行中的过程中的所述预测过程参数的置信度指标。9.根据权利要求7所述的计算机实现的方法，其中所述一个或多个仪表板包括从由以下各项组成的组中选择的仪表板：概览仪表板、贡献仪表板和训练数据仪表板。10.根据权利要求9所述的计算机实现的方法，其中所述概览仪表板被配置为提供选择的开放案例中剩余时间预测的视图，包括从由以下各项组成的组中选择的一个或多个参数：当前活动、预测结束时间、到期日期、经过时间、具有预测间隔的预测剩余时间、以及预测的可信度。
11.根据权利要求9所述的计算机实现的方法，其中所述贡献仪表板被配置为提供选择的开放案例的特征贡献的视图。12.根据权利要求9所述的计算机实现的方法，其中所述训练数据仪表板被配置为提供一个或多个视图，以支持检查训练数据、选择特定邻域以及根据所述特定邻域中的案例进行预测。13.一种系统，包括：存储计算机指令的存储器；以及至少一个处理器，所述处理器被配置为执行所述计算机指令，所述计算机指令被配置为使所述至少一个处理器执行以下操作：使用一个或多个基于机器学习的预测模型生成针对与运行中的过程相关联的一个或多个过程参数的预测；生成与生成的预...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。