提出了一个基于事件日志的预测性流程监控框架,在运行中的案例中,通过将其映射到群集并应用相应的分类器,估计一个给定谓词在完成时将被满足的概率,该框架已在 ProM 工具集上实现并在一家大型医院的癌症治疗日志上验证。
Jun, 2015
该论文引入了一种用于指定预测任务并自动创建相应预测模型的规范语言,以应对不同业务领域的预测需求,并提供了实现该方法的实验结果。
Apr, 2019
提出了一种基于结果导向的 Prescriptive Process Monitoring 系统,该系统使用线性时间逻辑来定义活动之间的时间关系,通过训练机器学习分类器来预测目标结果,并在运行时返回最显著的时间模式。
Nov, 2022
本文提出了扩展预测性流程监控方法的实用性流程监控框架,该框架在预测性监控的基础上引入了警报、干预、补偿和缓解影响等概念,并且具有可参数化的成本模型来评估在特定情况下应用实用性流程监控的成本效益权衡。作者还概述了一个优化警报生成的方法,并使用一系列真实事件日志进行了实证评估。
Mar, 2018
分析现有的合规性监测方法和预测性过程监测方法并提供一个更新的合规性监测功能框架,探讨了将 PMM 与 PCM 相结合实现下一个活动或剩余时间预测,并将预测结果映射到给定的合规性约束集的完整预测合规性监测系统。
May, 2022
本文提出了一种实例选择程序,可以对采样进行培训,以预测下一步的活动,从而使训练速度显著提高,同时保持可靠的预测准确性。
Apr, 2022
本研究提出了一种选择实例的程序,可以提高训练速度,同时保持可靠的预测准确度,用于预测活动和剩余时间等信息,适用于预测过程挖掘的研究领域。
Jan, 2023
本文提出了一个基于强化学习的方法来学习,通过观察过去的执行来推荐最佳活动以优化感兴趣的 KPI,首先通过学习特定 KPI 的马尔可夫决策过程,然后使用 RL 训练来学习最优策略,该方法通过在真实和合成数据集上的验证,并与异策略深度 RL 方法进行比较,表明了我们方法与深度 RL 方法相比,具有同等或更好优势,从而为利用白盒 RL 技术的场景提供了贡献,其中仅有时间执行数据可用。
Mar, 2023
该研究提出了一种利用可信度预测方法来增强运行时介入决策的新方法,实证结果表明,这种方法在资源受限条件下可以提高迎合预测值的介入策略的效益。
Dec, 2022
本文研究了预谋性业务过程监控中的预测准确性和预测时间的权衡问题,并对比了主要可选方案,以得出初始建议。
Jul, 2023