流程监控方法和预测点筛选方法、装置、设备和存储介质制造方法及图纸

本发明专利技术实施例提供一种流程监控方法和预测点筛选方法、装置、设备和存储介质，涉及流程监控技术领域。其中，这种预测点筛选方法包含步骤S1至S5。S1获取待监控流程的原始数据集和Petri网模型。S2对原始数据集进行全局特征编码，获取特征向量集。S3获取预测目标，并根据预测目标和特征向量集，通过XGBoost模型计算得到各个事件属性的重要性。S4根据各个事件属性的重要性，获取Petri网模型中各个活动点的重要性。S5获取阈值，并根据阈值筛选Petri网模型中各个活动点的重要性筛选Petri网模型中的预测点。本发明专利技术通过每个活动点所具有的事件属性对预测结果的重要性来筛选重要的预测点，从而剔除贡献度小的预测点，减少了整个流程监控系统的计算量，大大节约了系统资源。大大节约了系统资源。大大节约了系统资源。

【技术实现步骤摘要】
流程监控方法和预测点筛选方法、装置、设备和存储介质


[0001]本专利技术涉及流程监控
，具体而言，涉及一种流程监控方法和预测点筛选方法、装置、设备和存储介质。

技术介绍

[0002]预测性流程监控是对正在运行系统中的流程实例进行持续性地预测，以达到监控的效果，并及时将预测结果反馈给系统。相关工作者可以根据系统反馈的预测结果采取相应的措施，比如根据流程实例的运行现状合理规划现有资源或合理地调整服务的优先等级。预测结果(预测目标)可以是预测剩余时间、预测风险估计、预测下一个活动或预测特定指标(单个或聚合)等，其主要应用领域包括商务领域和医学生物领域。
[0003]一般预测性流程监控系统，其核心任务主要分为线下和线上两个阶段。线下阶段的任务是进行数据处理和基于已处理好的数据建立预测模型，而线上阶段的任务则是基于当前输入(在线流程轨迹)和已建立好的模型，进行预测并返回预测结果。
[0004]现有技术中，研究重心都放在了如何提高模型的预测准确率上，导致了预测性流程监控模型在运行过程中需要大量的算力，造成了大量的算力浪费。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预测点筛选方法，其特征在于，包含：获取待监控流程的原始数据集和Petri网模型；其中，所述原始数据集包含多个流程实例，每个流程实例包含多个事件属性的值；所述Petri网模型包括多个活动点，每个活动点具有多个事件属性；对所述原始数据集进行全局特征编码，获取特征向量集；获取预测目标，并根据所述预测目标和所述特征向量集，通过XGBoost模型计算得到各个事件属性的重要性；根据所述各个事件属性的重要性，获取所述Petri网模型中各个活动点的重要性；其中，活动点的重要性等于活动点所包含的所有事件属性的重要性之和；获取阈值，并根据所述阈值筛选所述Petri网模型中各个活动点的重要性，以获取所述Petri网模型中的预测点。2.根据权利要求1所述的预测点筛选方法，其特征在于，获取待监控流程的原始数据集和Petri网模型，具体包括：获取原始数据集；将所述原始数据集转化为事件日志；其中，所述事件日志包含多个事件；每个事件包含多个事件属性的值；所述流程实例由一个或一个以上的事件组成；根据所述事件日志，抽取得到所述原始数据集对应的Petri网模型。3.根据权利要求1所述的预测点筛选方法，其特征在于，对所述原始数据集进行全局特征编码，获取特征向量集，具体包括：根据所述Petri网模型，获取基准序列；其中，所述基准序列包含所述Petri网模型的所有活动点；根据所述基准序列，分别提取所述原始数据集中各个流程实例所包含的流程属性和事件属性，获取各个流程实例对应的特征向量；根据所述各个流程实例对应的特征向量，获取所述特征向量集。4.根据权利要求3所述的预测点筛选方法，其特征在于，所述特征向量G
i
的表达式为：式中，i为流程实例的序号、为第u个流程属性、为第1个事件的第m个事件属性、为第r个事件的第n个事件属性、r为基准序列的长度；其中，未在流程实例中出现的事件属性均用0填充。5.根据权利要求1所述的预测点筛选方法，其特征在于，根据所述各个事件属性的重要性，获取所述Petri网模型中各个活动点的重要性，具体包括：根据所述各个事件属性的重要性，获取所述Petri网模型中各个活动点的重要性f(a
i
)；其中，所述活动点的重要性f(a
i
)为第i个活动点a
i
的重要性，即活动点a
i
包含的所有事件属性的重要性之和；1≤i≤n，1≤j≤m，n为所述Petri网模型的活动点的数量、m为第i个活动点a
i
包含的事件属性的数量、f(e

【专利技术属性】
技术研发人员：叶剑虹，金梦思，叶双，柯翔敏，
申请(专利权)人：华侨大学，
类型：发明
国别省市：