【技术实现步骤摘要】
本专利技术属于流程挖掘，具体涉及一种基于多维度属性信息融合的业务流程下一事件预测方法。
技术介绍
1、流程挖掘通过对事件数据的系统性分析，能够有效优化和提升业务流程的执行效率。借助该技术，用户可以识别流程中的瓶颈、发现操作偏差、进行合规性诊断，并减少故障和重复操作。作为流程挖掘的一个重要分支，预测性流程监控旨在预测正在执行的流程的未来发展趋势，通过分析历史的完整流程执行数据来预测尚未结束的流程。其应用广泛，包括预测流程执行的结果、业务流程下一事件以及流程剩余时间等。在教育、医疗、金融等领域，预测性流程监控已展现了其实际应用价值，例如，帮助企业降低维护成本、为决策提供支持并预防违规任务的发生等。
2、作为预测性流程监控的核心任务之一，业务流程下一事件预测旨在通过分析历史事件日志，预测当前正在执行的业务流程中的下一可能事件，以提高业务流程的透明度、优化资源使用、降低操作风险，并为企业决策提供智能支持。随着大数据时代中人工智能技术的逐步发展，深度学习的广泛应用也为业务流程下一事件预测提供了新的研究思路。传统方法通常将事件日志中的事...
【技术保护点】
1.一种基于多维度属性信息融合的业务流程下一事件预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述基于多维度属性信息融合的业务流程下一事件预测方法，其特征在于，所述步骤1中，所述流程轨迹前缀是在某条轨迹上的任意活动节点或时刻前的轨迹信息。
3.根据权利要求1所述基于多维度属性信息融合的业务流程下一事件预测方法，其特征在于，所述步骤2中，所述构建事件日志的图结构是指将事件日志轨迹中的所有活动及活动间的直接跟随活动关系分别构建为图中的节点和边，同时将所有轨迹中活动间的关系构建成邻接矩阵，所有轨迹中活动间的关系包含顺序、选择和并发关系。p>
4.根据权...
【技术特征摘要】
1.一种基于多维度属性信息融合的业务流程下一事件预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述基于多维度属性信息融合的业务流程下一事件预测方法，其特征在于，所述步骤1中，所述流程轨迹前缀是在某条轨迹上的任意活动节点或时刻前的轨迹信息。
3.根据权利要求1所述基于多维度属性信息融合的业务流程下一事件预测方法，其特征在于，所述步骤2中，所述构建事件日志的图结构是指将事件日志轨迹中的所有活动及活动间的直接跟随活动关系分别构建为图中的节点和边，同时将所有轨迹中活动间的关系构建成邻接矩阵，所有轨迹中活动间的关系包含顺序、选择和并发关系。
4.根据权利要求1所述基于多维度属性信息融合的业务流程下一事件预测方法，其特征在于，所述步骤3中，空间特征提取模块由两层gcn图卷积神经网络构成，gcn图卷积神经网络是用于提取图结构特征的神经网络结构；时序关系提取模块采用o...
【专利技术属性】
技术研发人员：刘聪，苏轩，曾庆田，鲁法明，段华，倪维健，张峰，原桂远，
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。