基于时间卷积网络的业务流程预测监控

宫子优，方贤文

(1.安徽理工大学计算机科学与工程学院，安徽 淮南 232001；2.安徽理工大学数学与大数据学院，安徽 淮南 232001)

过程挖掘是指从现代信息系统和业务流程的事件日志中获取过程知识，发现、监测和改进实际系统行为模式。在业务流程运行中可能需要提前知道业务流程的下一个事件，以便对业务流程进行调整。流程预测监控是过程挖掘和业务流程管理领域的一个重要的研究方向，通过预测业务流程运行中将要发生的事件或是后续可能发生的一系列事件以及它们可能持续的时间或是下一个事件的时间戳，旨在为业务流程提前进行人工干预提供决策支持。过程挖掘和业务流程管理领域都是使用事件日志作为记录和分析的工具，类似于自然语言处理中所研究的文本和语音数据，事件日志是一种时间序列数据。深度学习的发展在诸多领域都有着不俗的表现，如计算机视觉、自然语言处理等，使用自然语言处理中的深度学习方法来研究和分析事件日志是很自然的想法。文献[2]指出应用自然语言处理方法进行过程预测的可行性，并给出一个实验评估来证明其有效性。已经有多个工作使用深度学习方法来进行业务流程预测，其中包括循环神经网络(Recurrent Neural Networks，RNN)中的长短期时间记忆(Long Short-Term Memory，LSTM)网络和卷积神经网络(Convolutional neural networks，CNN)。

时间卷积网络(Temporal Convolutional Networks ，TCN)作为卷积神经网络的一种变体，相比于循环神经网络和卷积神经网络，克服了各自的缺陷，在建模和预测序列数据有着很好的效果。……