【技术实现步骤摘要】
本专利技术属于业务流程异常检测，特别涉及一种业务流程异常检测方法、计算机设备以及可读存储介质。
技术介绍
1、大数据技术的不断发展，极大地促进了业务过程管理的发展。企业需要更加智能、高效、有序地进行业务过程管理，提高生产效率，以保证应对不断变化的市场需求。大数据的发展不仅提供大量、多样化的数据，而且提供了存储和分析这些大型数据的能力，使得企业可以记录、分析这些多样化的数据并且能够更好地理解和管理自己的业务过程。
2、利用大数据分析，企业不仅可以发现隐藏在数据背后的关联关系，发现潜在客户，而且可以实时监控和预测业务过程的变化，迅速发现异常情况，并且采取相应措施，最大程度保证业务流程的稳定。业务流程中异常事件的发生可能会对企业的效率、质量和利润产生负面影响，因此，实现对企业业务流程的异常检测变得至关重要。
3、通过建立有效的业务流程异常检测方法，能够实时监测企业运营过程中的异常情况，帮助企业及早发现问题并解决潜在问题，帮助企业减少损失、提升客户满意度、增强竞争力等。
4、异常检测包括离线异常检测和在线异常检测两种方法。
5、离线异常检测是指对已经收集到的历史数据进行异常检测和识别，这种方法通常使用过程挖掘等技术识别异常情况。过程挖掘在业务流程管理中的作用是巨大的，对于业务过程的异常检测研究颇有意义，通过建立业务过程的模型，企业可以监控和识别异常活动和行为，及时发现和处理潜在问题。当前大多数的异常检测技术都是离线异常检测，即对已经执行完成的轨迹进行异常检测，因而缺乏实时性，不能立刻洞察出
6、在线异常检测是指在实时数据流中进行异常检测和识别，其主要特点是能够实时监测数据流并即时快速检测异常情况，使得异常情况可以立即被发现和处理，最大程度帮助企业减少潜在的风险和损失。目前很少有针对在线异常检测的模型。
7、业务流程异常检测方法大致可以分为三类：基于过程模型的异常检测方法、基于机器学习的异常检测方法、基于深度学习的异常检测方法。
8、基于过程模型的异常检测方法可以实现控制流的异常检测，但该方法不仅需要挖掘高质量过程模型，较难实现，而且在进行对齐比较时需要浪费大量时间，存在很大的局限性。
9、随着机器学习的发展，基于这些技术的业务流程异常检测方法也得到了广泛的研究，然而随着深度学习的不断发展，深度学习方法被应用在业务流程异常检测中并取得较好效果，该方法与机器学习方法相比提高了异常检测的能力以及检测质量。
10、深度学习方法虽然在训练阶段存在训练时间过长的问题，但是模型训练在离线阶段完成，不影响在线检测效率，不过当存在大量日志时对硬件等资源要求过高。
技术实现思路
1、本专利技术的目的在于提出一种业务流程异常检测方法，该方法通过将添加相对位置信息的bert模型和cnn预测模型进行结合，以充分利用bert强大的语义表示能力以及cnn预测模型对局部特征的敏感性，从而在业务流程异常检测中获得更高的准确率。另外，本专利技术能够实现业务流程在线轨迹异常检测，因而能够实时识别并快速检测业务流程中的异常情况。
2、本专利技术为了实现上述目的，采用如下技术方案：
3、一种业务流程异常检测方法，包括如下步骤：
4、步骤1.根据历史事件日志中轨迹生成异常轨迹序列，分别标注序列异常情况，从而构造数据集；并将数据集划分为用于下述步骤2中业务流程异常检测模型训练的训练集以及模型测试的测试集两部分；
5、步骤2.搭建业务流程异常检测模型；
6、业务流程异常检测模型包括添加相对位置信息的bert模型以及cnn预测模型；
7、其中，业务流程异常检测模型的处理过程如下：
8、首先，使用添加相对位置信息的bert模型将输入的轨迹序列转化为包含上下文语义信息的轨迹特征向量，以更好地利用上下文信息；
9、然后将得到的轨迹特征向量输入cnn预测模型进行业务流程异常检测；
10、步骤3.利用步骤1构造的训练集数据对业务流程异常检测模型进行训练，并利用测试集数据对训练好的业务流程异常检测模型进行测试；
11、步骤4.利用训练好的业务流程异常检测模型实现对业务流程的在线及离线异常检测。
12、此外，在上述业务流程异常检测方法的基础上，本专利技术还提出了一种计算机设备，该计算机设备包括存储器和一个或多个处理器。所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，用于实现上述业务流程异常检测方法的步骤。
13、此外，在上述业务流程异常检测方法的基础上，本专利技术还提出了一种计算机可读存储介质，其上存储有程序。该程序被处理器执行时，用于实现上述业务流程异常检测方法的步骤。
14、本专利技术具有如下优点：
15、如上所述，本专利技术述及了一种业务流程异常检测方法，该方法利用添加相对位置信息bert模型对预处理的数据集完成特征向量的表示，充分考虑上下文的关联，捕获到前后之间的关联关系，进而通过表示学习来提取更具有表征能力的特征向量，同时使用cnn卷积神经网络实现业务流程的异常检测，本专利技术方法充分利用bert强大的语义表示能力以及cnn预测模型对局部特征的敏感性，从而在业务流程异常检测中获得更高的准确率。同时，由于本专利技术能够实现业务流程在线轨迹异常检测，因而能够实时识别并快速检测异常，及时发现潜在风险，使得系统能够快速做出反应，减少潜在的风险和损失，提高系统的性能，确保系统的安全性。
本文档来自技高网...【技术保护点】
1.一种业务流程异常检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的业务流程异常检测方法，其特征在于，
3.根据权利要求1所述的业务流程异常检测方法，其特征在于，
4.根据权利要求1所述的业务流程异常检测方法，其特征在于，
5.根据权利要求4所述的业务流程异常检测方法，其特征在于，
6.根据权利要求4所述的业务流程异常检测方法，其特征在于，
7.根据权利要求6所述的业务流程异常检测方法，其特征在于，
8.根据权利要求7所述的业务流程异常检测方法，其特征在于，
9.一种计算机设备，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，其特征在于，所述处理器执行所述可执行代码时，
10.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时，实现如权利要求1至8任一项所述的业务流程异常检测方法的步骤。
【技术特征摘要】
1.一种业务流程异常检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的业务流程异常检测方法，其特征在于，
3.根据权利要求1所述的业务流程异常检测方法，其特征在于，
4.根据权利要求1所述的业务流程异常检测方法，其特征在于，
5.根据权利要求4所述的业务流程异常检测方法，其特征在于，
6.根据权利要求4所述的业务流程异常检测方法，其特征在于，
<...【专利技术属性】
技术研发人员：田银花，杨立飞，张睿哲，韩咚，牛晓琳，庞孝文，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：
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。