一种基于集成学习的业务流程多任务预测方法技术

本发明专利技术公开了一种基于集成学习的业务流程多任务预测方法，该方法首先获取系统运行产生的业务流程历史日志数据，并提取用于预测任务的信息构建成原始数据集，针对不同的任务，对原始数据集进行预处理。其次构建由输入层、嵌入层、特征提取层、多任务输出层组成的多任务预测模型，使用预处理后的原始数据集作为多任务预测模型输入，得到各任务的预测结果，并计算损失，对多任务预测模型进行训练。最后将训练后的多任务预测模型进行在线部署，根据系统产生的业务流程日志进行流程任务预测。本发明专利技术利用集成学习的思想，以提高任务预测精度和泛化能力，为预测性业务流程监控领域的研究提供了方法支持。

【技术实现步骤摘要】

本专利技术属于业务流程管理，特别涉及一种基于集成学习的业务流程多任务预测方法。

技术介绍

1、预测性业务流程监控(predictive process business monitoring，pbpm)是业务流程管理领域的一项先进技术，旨在通过使用先进的数据分析和预测模型，提前识别和解决潜在的业务流程问题。这种监控方法不仅关注当前业务流程的执行情况，更专注于未来可能发生的异常和瓶颈，以便及时采取措施，确保业务的平稳运行。预测性业务流程监控侧重于使用事件日志预测正在运行的流程的未来特征，对流程执行的预见性为高效运营、更好的资源管理和有效的客户服务带来了巨大的潜力。

2、现有的预测性业务流程监控技术主要分为两类：基于机器学习的方法和基于深度学习的方法。现有的预测方法各有其优势，但它们通常只侧重于获取业务流程日志数据的局部或全局特征，而不能全面考虑到这两种特征的联合影响对预测任务的重要性。在实际业务流程中，日志数据的近端和远端信息往往相互关联，同时影响着预测结果。对于日志数据的近端信息，它通常包含了当前时刻的具体操作、状态以及短期的变化趋势等关键信息本文档来自技高网...

【技术保护点】

1.一种基于集成学习的业务流程多任务预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于集成学习的业务流程多任务预测方法，其特征在于，步骤(2)所述预处理具体过程如下：

3.根据权利要求2所述的基于集成学习的业务流程多任务预测方法，其特征在于，步骤(3)所述的多任务预测模型具体实现如下：

4.根据权利要求3所述的基于集成学习的业务流程多任务预测方法，其特征在于，所述Transformer模块基于注意力机制提取数据特征；

5.根据权利要求4所述的基于集成学习的业务流程多任务预测方法，其特征在于，所述Transformer模块由T...

【技术特征摘要】

1.一种基于集成学习的业务流程多任务预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于集成学习的业务流程多任务预测方法，其特征在于，步骤(2)所述预处理具体过程如下：

3.根据权利要求2所述的基于集成学习的业务流程多任务预测方法，其特征在于，步骤(3)所述的多任务预测模型具体实现如下：

4.根据权利要求3所述的基于集成学习的业务流程多任务预测方法，其特征在于，所述transformer模块基于注意力机制提取数据特征；

5.根据权利要求4所述的基于集成学习的业务流程多任务预测方法，其特征在于，所述transformer模块由t...

【专利技术属性】
技术研发人员：王洪波，韩济羽，袁俊峰，殷昱煜，梁婷婷，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：