一种基于多属性依赖的流程预测方法与系统技术方案

本方法提供一种基于多属性依赖的流程预测方法与系统，涉及流程预测技术领域。在本方法中通过设置在线得出流程预测结果和后续定期接收更新的流程预测结果，在线部分是指在各个流程工作节点中执行的部分，随着多属性要素被输入进预测系统，事件的预测结果会做出相应的变化，做到及时响应，后续定期部分是对汇总的事件日志进行流程发现，由流程发现而得到的流程模型将传输到每一个流程执行节点中的流程预测模型中，将预测模型里的流程模型进行更新，在事件日志总数据库衍生出的操作与分析，提高预测模型的全面性，由此提高流程预测的精确度。确度。确度。

【技术实现步骤摘要】
一种基于多属性依赖的流程预测方法与系统


[0001]本方法涉及流程预测
，尤其涉及一种基于多属性依赖的流程预测方法与系统。

技术介绍

[0002]随着人工智能、物联网以及5G服务的到来，以数据知识为基础的企业，才能在全球市场上保持竞争优势，现如今越来越多的企业建立了不同的信息系统，这些信息系统数据库中存在大量的事件日志，然而，管理者很难从数量庞大的事件日志中提取有价值的信息，并且为了在竞争快速发展的世界中，更好地支持业务流程这一需求日益凸显，通过对业务流程事件日志进行分析与预测，可以为企业监控提供决策和支持。
[0003]在现有技术中，如中国专利申请CN111966454A公开了流程预测方法及装置，此方法包括：接收来自客户端的获取当前节点所有出口的请求，所述请求中至少包括当前节点数据；获取所有以所述当前节点为起始节点的出口集合；基于所述当前节点数据对所述出口集合中的每个出口是否满足对应的出口条件依次进行判断，根据判断结果生成响应消息；向所述客户端返回所述响应消息。根据此公开，能够提高流程预测的可靠性和效率。
[0004]但是在现有技术中，对于事件日志这样体量大的样本进行业务流程预测，由于是基于单属性流程的预测，预测系统逻辑固定不变，在面对多样化的样本时，特别是涉及复杂流程时，需要耗费的时间更长，出错的概率上升，由此可靠性降低。
[0005]方法内容
[0006]本方法的目的是为了解决对于事件日志这样体量大的样本进行业务流程预测，由于是基于单属性流程的预测，预测系统逻辑固定不变，在面对多样化的样本时，特别是涉及复杂流程时，需要耗费的时间更长，出错的概率上升，由此可靠性降低。
[0007]为了实现上述目的，本方法采用了如下技术方案：一种基于多属性依赖的流程预测方法，其特征在于：该方法包括以下步骤：
[0008]S1、子流程的输入；
[0009]S2、对事件日志的记录和存储；
[0010]S3、将事件日志进行编码并输入到流程预测模型；
[0011]S4、在线得出流程预测结果；
[0012]S5、后续定期接收更新的流程预测结果。
[0013]优选的，在步骤S2中，对事件日志的记录和存储，具体包括以下步骤：
[0014]S20、分别记录每个流程执行节点的执行情况，构成多属性的输入端；
[0015]S21、将这份事件记录被存储到该节点的事件日志中。
[0016]优选的，在步骤S3中，将事件日志进行编码并输入到流程预测模型，具体包括以下步骤：
[0017]S30、对业务流程活动和相关数据的分类定义。对事件和数据进行概念上的区分，进而有助于之后对事件的编码。
[0018]S31、对下一步事件与流程结果的定义。基于上一步的活动分类定义，对事件的下一步事件和流程的结构进行定义，之后将根据这个定义对每一条事件数据打标签。
[0019]S32、事件编码与标签。根据上面步骤中的定义给出事件编码与标签方法。S33、建立下一步事件预测模型。使用编码的事件和日志作为模型输入，这一步模型将输出较为精确的结果。
[0020]S34、建立较远结果预测模型。使用模型预测的结果作为模型输入，并使用流程发现是业务流程模型对预测结果进行剪枝，以提高预测的准确率。
[0021]S35、建立流程预测模型。结合下一步事件预测模型和较远结果预测模型组成流程模型。
[0022]优选的，在步骤S5中，后续定期接收更新的流程预测结果，具体包括以下步骤：
[0023]S50、定期从所有的流程执行节点中汇总事件日志；
[0024]S51、对汇总的事件日志进行流程发现，由流程发现而得到的流程模型将传输到每一个流程执行节点中的流程预测模型中，将预测模型里的流程模型进行更新；
[0025]S52、对汇总的事件日志进行按活动区分的属性分析，分析的结果定期传输到用户端。
[0026]一种基于多属性依赖的流程预测方法的系统，该系统包括分布式输入模块 (11)、嵌入模块(12)、记忆网络模块(13)、自注意力模块(14)和输出模块(15)。
[0027]优选的，所述分布式输入模块(11)包括数值型处理模块(111)和非数值型处理模块(112)；
[0028]所述分布式输入模块(11)用于将事件日志中包含的属性转化为特征向量；
[0029]所述数值型处理模块(111)用于数值型的属性通过对事件日志中所有值的范围进行规范化处理；
[0030]所述非数值型处理模块(112)用于对非数值型的属性则采用一种One
‑
hot 的编码方式，即代表着在有活动的位置上标记为1，其他位置标记为0，采用时间间隔进行时间方面的预测，为了预测更加准确，添加辅助信息活动时间间隔、距午夜时间间隔、以及活动执行的星期，使得模型在训练的过程中得到更多与时间相关的信息情况。
[0031]优选的，所述嵌入模块(12)用于将特征向量进行传输，将高维度并且稀疏的特征向量通过线性映射转变为低维度并且稠密的特征向量。
[0032]优选的，所述记忆网络模块(13)用于整合信息，由前向传播和后向传播的LSTM组成BiLSTM网络结构，LSTM对时序序列具有很好的建模能力，通过 BiLSTM网络同时获得过去与未来的信息状态，通过把信息连接起来作为最后状态输出。
[0033]优选的，所述自注意力模块(14)用于帮助模型提高对重复活动特征的预测，利用注意力机制构建网络预测模型，调整每个输入元素之间的权重系数，更加注意和当前输入特征相关联的任务，忽略相关性弱的信息。
[0034]优选的，所述输出模块(15)包括活动预测(151)、时间预测(152)和可视化模块(153)；
[0035]所述活动预测(151)用于转化为多任务分类，通过使用softmax分类器输出活动预测值，以及交叉熵损失函数，公式如下所示：
[0036][0037]式中，x代表输入的事件轨迹，c表示即将分类的总数，y
i
表示第i个类别的实际标签类，f
i
(x)表示模型对应的输出值。
[0038]所述时间预测(152)转化为回归任务，通过使用平均绝对误差损失函数，计算预测时间结果与真实结果之间的平均绝对差值；
[0039]所述可视化模块(153)用于将预测的结果可视化呈现出来。
[0040]与现有技术相比，本方法的优点和积极效果在于，
[0041]1、本方法中，通过设置在线得出流程预测结果和后续定期接收更新的流程预测结果，在线部分是指在各个流程工作节点中执行的部分，随着多属性要素被输入进预测系统，事件的预测结果会做出相应的变化，做到及时响应，后续定期部分是对汇总的事件日志进行流程发现，由流程发现而得到的流程模型将传输到每一个流程执行节点中的流程预测模型中，将预测模型里的流程模型进行更新，在事件日志总数据库衍生出的操作与分析，提高预测模型的全面性，由此提高流程本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多属性依赖的流程预测方法，其特征在于：该方法包括以下步骤：S1、子流程的输入；S2、对事件日志的记录和存储；S3、将事件日志进行编码并输入到流程预测模型；S4、在线得出流程预测结果；S5、后续定期接收更新的流程预测结果。2.根据权利要求1所述的一种基于多属性依赖的流程预测方法，其特征在于：在步骤S2中，对事件日志的记录和存储，具体包括以下步骤：S20、分别记录每个流程执行节点的执行情况，构成多属性的输入端；S21、将这份事件记录被存储到该节点的事件日志中。3.根据权利要求1所述的一种基于多属性依赖的流程预测方法，其特征在于：在步骤S3中，将事件日志进行编码并输入到流程预测模型，具体包括以下步骤：S30、对业务流程活动和相关数据的分类定义。对事件和数据进行概念上的区分，进而有助于之后对事件的编码；S31、对下一步事件与流程结果的定义。基于上一步的活动分类定义，对事件的下一步事件和流程的结构进行定义，之后将根据这个定义对每一条事件数据打标签；S32、事件编码与标签。根据上面步骤中的定义给出事件编码与标签方法；S33、建立下一步事件预测模型。使用编码的事件和日志作为模型输入，这一步模型将输出较为精确的结果；S34、建立较远结果预测模型。使用模型预测的结果作为模型输入，并使用流程发现是业务流程模型对预测结果进行剪枝，以提高预测的准确率；S35、建立流程预测模型。结合下一步事件预测模型和较远结果预测模型组成流程模型。4.根据权利要求1所述的一种基于多属性依赖的流程预测方法，其特征在于：在步骤S5中，后续定期接收更新的流程预测结果，具体包括以下步骤：S50、定期从所有的流程执行节点中汇总事件日志；S51、对汇总的事件日志进行流程发现，由流程发现而得到的流程模型将传输到每一个流程执行节点中的流程预测模型中，将预测模型里的流程模型进行更新；S52、对汇总的事件日志进行按活动区分的属性分析，分析的结果定期传输到用户端。5.一种基于多属性依赖的流程预测方法的系统，其特征在于，使用了权利要求1
‑
4中任一项所述的一种基于多属性依赖的流程预测方法，该系统包括分布式输入模块(11)、嵌入模块(12)、记忆网络模块(13)、自注意力模块(14)和输出模块(15)。6.根据权利要求5所述的一种基于多属性依赖的流程预测方法的系统，...

【专利技术属性】
技术研发人员：索强，任舟，刘璐瑶，汪志鹏，潘彦，
申请(专利权)人：上海望繁信科技有限公司，
类型：发明
国别省市：