基于概念漂移的在線流程的時間預測.pdf

1、流程挖掘的目標是利用企業(yè)系統(tǒng)中的事件數(shù)據(jù)提取業(yè)務相關(guān)信息，它能夠從事件日志中自動發(fā)現(xiàn)流程模型，基于模型不同的視角可以進行各種類型的分析。然而隨著流程挖掘技術(shù)的成熟和業(yè)務模型本身的復雜化，人們不再滿足于靜態(tài)的檢測或評估，更加希望在線利用挖掘模型。例如給出接下來執(zhí)行某活動的概率、執(zhí)行該活動的最佳人選，或者該運行業(yè)務在某特定時間內(nèi)是否可以準時完成、所需時間等，我們將此統(tǒng)稱為預測服務。而本論文提出了通過給已發(fā)現(xiàn)模型加上擴展信息來進行在線流程的剩

2、余時間預測的新方法。現(xiàn)實生活中有許多場景都需要切實可靠的預測信息，如當顧客詢問網(wǎng)購的東西何時到達時，賣家需要給一個相對準確的答復。
　　現(xiàn)在的許多學者在在線流程剩余時間預測方面做出了巨大的貢獻，提出了許多不同的算法，但大都忽略了概念漂移的問題，即外界因素對在線流程的影響。為了提高預測精度，本文在以往算法的基礎上把概念漂移考慮進來。當然，在現(xiàn)實生活中能夠?qū)Π咐龀鱿鄬蚀_的預測是非常重要的。為此，我們可以預先定義可能影響業(yè)務運行的社

3、會或環(huán)境因素，然后在已標注了時間信息的轉(zhuǎn)換系統(tǒng)上進行聚類操作，利用K-means算法將當前執(zhí)行狀態(tài)做出劃分，動態(tài)的確定本次案例所屬類別，在根據(jù)本論文定義的綜合性預測函數(shù)進行時間預測，從而得到更有意義的預測信息。
　　本論文方法將概念漂移和時間預測相結(jié)合，具有理論創(chuàng)新性，且實驗表明，不管是對抽象案例還是現(xiàn)實生活中真實的業(yè)務，本文的方法在效率和準確性方面都優(yōu)于簡單的啟發(fā)式方法和回歸模型法，在考慮了概念漂移后剩余時間預測的精確度有了很大