基于概念漂移的在線流程的時(shí)間預(yù)測(cè).pdf

1、流程挖掘的目標(biāo)是利用企業(yè)系統(tǒng)中的事件數(shù)據(jù)提取業(yè)務(wù)相關(guān)信息，它能夠從事件日志中自動(dòng)發(fā)現(xiàn)流程模型，基于模型不同的視角可以進(jìn)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(wù)模型本身的復(fù)雜化，人們不再滿足于靜態(tài)的檢測(cè)或評(píng)估，更加希望在線利用挖掘模型。例如給出接下來(lái)執(zhí)行某活動(dòng)的概率、執(zhí)行該活動(dòng)的最佳人選，或者該運(yùn)行業(yè)務(wù)在某特定時(shí)間內(nèi)是否可以準(zhǔn)時(shí)完成、所需時(shí)間等，我們將此統(tǒng)稱為預(yù)測(cè)服務(wù)。而本論文提出了通過(guò)給已發(fā)現(xiàn)模型加上擴(kuò)展信息來(lái)進(jìn)行在線流程的剩

2、余時(shí)間預(yù)測(cè)的新方法?，F(xiàn)實(shí)生活中有許多場(chǎng)景都需要切實(shí)可靠的預(yù)測(cè)信息，如當(dāng)顧客詢問(wèn)網(wǎng)購(gòu)的東西何時(shí)到達(dá)時(shí)，賣(mài)家需要給一個(gè)相對(duì)準(zhǔn)確的答復(fù)。
　　現(xiàn)在的許多學(xué)者在在線流程剩余時(shí)間預(yù)測(cè)方面做出了巨大的貢獻(xiàn)，提出了許多不同的算法，但大都忽略了概念漂移的問(wèn)題，即外界因素對(duì)在線流程的影響。為了提高預(yù)測(cè)精度，本文在以往算法的基礎(chǔ)上把概念漂移考慮進(jìn)來(lái)。當(dāng)然，在現(xiàn)實(shí)生活中能夠?qū)Π咐龀鱿鄬?duì)準(zhǔn)確的預(yù)測(cè)是非常重要的。為此，我們可以預(yù)先定義可能影響業(yè)務(wù)運(yùn)行的社

3、會(huì)或環(huán)境因素，然后在已標(biāo)注了時(shí)間信息的轉(zhuǎn)換系統(tǒng)上進(jìn)行聚類操作，利用K-means算法將當(dāng)前執(zhí)行狀態(tài)做出劃分，動(dòng)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(yù)測(cè)函數(shù)進(jìn)行時(shí)間預(yù)測(cè)，從而得到更有意義的預(yù)測(cè)信息。
　　本論文方法將概念漂移和時(shí)間預(yù)測(cè)相結(jié)合，具有理論創(chuàng)新性，且實(shí)驗(yàn)表明，不管是對(duì)抽象案例還是現(xiàn)實(shí)生活中真實(shí)的業(yè)務(wù)，本文的方法在效率和準(zhǔn)確性方面都優(yōu)于簡(jiǎn)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(shí)間預(yù)測(cè)的精確度有了很大