-
公开(公告)号：CN111178623A
公开(公告)日：2020-05-19
申请号：CN201911366631.4
申请日：2019-12-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多层机器学习的业务流程剩余时间预测方法。该方法提取了历史日志中的实例间属性以剩余关键活动数属性，并使用stacking技术将XGBoost、LightGBM模型进行融合，从而得到一个更优的融合模型来完成对流程实例剩余时间的预测。这种业务流程剩余时间预测方法有精度高、鲁棒性强等特点，能有效预测流程未来执行信息，为相关人员进行流程优化、流程控制等提供指导。
-
公开(公告)号：CN109688014A
公开(公告)日：2019-04-26
申请号：CN201910003351.0
申请日：2019-01-03
Applicant: 杭州电子科技大学
CPC classification number: H04L41/5054 , H04L41/142 , H04L67/02
Abstract: 本发明公开了一种关键字驱动的Web服务自动组合方法，本发明提出的方法综合考虑了用户的个性化功能需求和服务数量两个重要因素。针对关键字唯一性和关键字时序性双重约束下组合服务个数最小化的自动Web服务组合问题，提出了关键字驱动的Web服务自动组合方法。特别地，该方法通过构造三个索引来实现了一系列有效的剪枝策略。为了实现高效的查询处理，本发明还提出了一系列图优化策略。
-
公开(公告)号：CN113537712A
公开(公告)日：2021-10-22
申请号：CN202110649058.9
申请日：2021-06-10
Applicant: 杭州电子科技大学
IPC: G06Q10/06
Abstract: 本发明公开了一种基于轨迹重演的业务流程剩余活动序列预测方法。该方法首先使用轨迹重演技术模拟流程轨迹在真实环境中的执行情况，并基于提取的执行上下文信息从历史事件日志中选取与当前流程实例执行情况最相似的候选前缀轨迹集合。之后，方法对流程轨迹中每个属性的重要性进行量化，即计算属性权重矩阵。最后，方法基于属性权重矩阵，在候选前缀轨迹集合筛选出综合属性相似度最高的一条前缀轨迹，将其后缀活动序列作为当前轨迹的剩余活动序列。此方法具有预测相似度高、适用性广泛、鲁棒性强等特点，能够有效地解决复杂业务流程的剩余活动序列预测问题，从而为流程管理者提供有效信息来优化流程并且避免流程异常以及资源竞争等。
-
公开(公告)号：CN112052273A
公开(公告)日：2020-12-08
申请号：CN202010730957.7
申请日：2020-07-27
Applicant: 杭州电子科技大学
IPC: G06F16/2458 , G06F16/21 , G06Q10/10
Abstract: 本发明公开了一种多角度业务流程下一候选活动提取方法。该方法基于业务流程中事件活动间的关系、事件在实例内的位置、以及事件的属性相似性分别提取了三个下一候选活动属性，并将三者进行级联得到完整的业务流程下一候选活动属性。本发明方法具有多角度挖掘、符合业务流程运行实际等优点，其结果可以用于后续的业务流程深度分析如业务流程下一活动预测的，为检测业务流程执行是否违规、后续活动资源分配是否合理等提供支撑。
-
公开(公告)号：CN113537712B
公开(公告)日：2022-03-08
申请号：CN202110649058.9
申请日：2021-06-10
Applicant: 杭州电子科技大学
IPC: G06Q10/06
Abstract: 本发明公开了一种基于轨迹重演的业务流程剩余活动序列预测方法。该方法首先使用轨迹重演技术模拟流程轨迹在真实环境中的执行情况，并基于提取的执行上下文信息从历史事件日志中选取与当前流程实例执行情况最相似的候选前缀轨迹集合。之后，方法对流程轨迹中每个属性的重要性进行量化，即计算属性权重矩阵。最后，方法基于属性权重矩阵，在候选前缀轨迹集合筛选出综合属性相似度最高的一条前缀轨迹，将其后缀活动序列作为当前轨迹的剩余活动序列。此方法具有预测相似度高、适用性广泛、鲁棒性强等特点，能够有效地解决复杂业务流程的剩余活动序列预测问题，从而为流程管理者提供有效信息来优化流程并且避免流程异常以及资源竞争等。
-
Patent Agency Ranking
公开(公告)号：CN113537710B
公开(公告)日：2022-03-08
申请号：CN202110647246.8
申请日：2021-06-10
Applicant: 杭州电子科技大学
IPC: G06Q10/06 , G06F16/2458
Abstract: 本发明公开了一种数据驱动下基于人工智能的活动时序在线预测方法。该方法基于事件日志数据，首先使用轨迹重演技术模拟轨迹在真实上下文中的执行，即获取行为上下文信息；之后，长短期记忆神经网络被用于预测在线实例的未来执行情况，即数据上下文信息；最后，该方法融合上述两种上下文信息，实现在线流程实例的未来活动时序预测。此方法具有较高的预测准确度，可为业务流程的管理特别是流程异常管理提供决策支撑。
-
公开(公告)号：CN112052273B
公开(公告)日：2021-08-31
申请号：CN202010730957.7
申请日：2020-07-27
Applicant: 杭州电子科技大学
IPC: G06F16/2458 , G06F16/21 , G06Q10/10
Abstract: 本发明公开了一种多角度业务流程下一候选活动提取方法。该方法基于业务流程中事件活动间的关系、事件在实例内的位置、以及事件的属性相似性分别提取了三个下一候选活动属性，并将三者进行级联得到完整的业务流程下一候选活动属性。本发明方法具有多角度挖掘、符合业务流程运行实际等优点，其结果可以用于后续的业务流程深度分析如业务流程下一活动预测的，为检测业务流程执行是否违规、后续活动资源分配是否合理等提供支撑。
-
公开(公告)号：CN111178623B
公开(公告)日：2022-06-17
申请号：CN201911366631.4
申请日：2019-12-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多层机器学习的业务流程剩余时间预测方法。该方法提取了历史日志中的实例间属性以剩余关键活动数属性，并使用stacking技术将XGBoost、LightGBM模型进行融合，从而得到一个更优的融合模型来完成对流程实例剩余时间的预测。这种业务流程剩余时间预测方法有精度高、鲁棒性强等特点，能有效预测流程未来执行信息，为相关人员进行流程优化、流程控制等提供指导。
-
公开(公告)号：CN109688014B
公开(公告)日：2022-04-08
申请号：CN201910003351.0
申请日：2019-01-03
Applicant: 杭州电子科技大学
IPC: H04L41/5054 , H04L67/02 , H04L41/142
Abstract: 本发明公开了一种关键字驱动的Web服务自动组合方法，本发明提出的方法综合考虑了用户的个性化功能需求和服务数量两个重要因素。针对关键字唯一性和关键字时序性双重约束下组合服务个数最小化的自动Web服务组合问题，提出了关键字驱动的Web服务自动组合方法。特别地，该方法通过构造三个索引来实现了一系列有效的剪枝策略。为了实现高效的查询处理，本发明还提出了一系列图优化策略。
-
公开(公告)号：CN113537710A
公开(公告)日：2021-10-22
申请号：CN202110647246.8
申请日：2021-06-10
Applicant: 杭州电子科技大学
IPC: G06Q10/06 , G06F16/2458
Abstract: 本发明公开了一种数据驱动下基于人工智能的活动时序在线预测方法。该方法基于事件日志数据，首先使用轨迹重演技术模拟轨迹在真实上下文中的执行，即获取行为上下文信息；之后，长短期记忆神经网络被用于预测在线实例的未来执行情况，即数据上下文信息；最后，该方法融合上述两种上下文信息，实现在线流程实例的未来活动时序预测。此方法具有较高的预测准确度，可为业务流程的管理特别是流程异常管理提供决策支撑。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.024 seconds)
