基于图自编码聚类的过程活动预测方法

针对复杂事件日志进行过程预测时存在冗余过程实例的问题,提出一种基于图自编码聚类的过程活动预测方法。首先,该方法使用由图注意自编码器和DNN自编码器组成的图自编码聚类算法,充分利用轨迹间特征的结构化信息,对事件日志中的轨迹进行聚类;其次,通过双向LSTM神经网络建立预测模型,学习过程活动中的时间特征和空间特征,充分增强预测准确性,同时使用两层感知机网络识别活动的权重;最后,在6个BPI挑战赛的事件日志数据集上预测结果证明了该方法能够有效提升过程活动预测的质量。