PGTNet: A Process Graph Transformer Network for Remaining Time Prediction of Business Process Instances

要約

イベント ログをグラフ データセットに変換し、プロセス グラフ トランスフォーマー ネットワークをトレーニングするためにグラフ指向のデータを活用して、ビジネス プロセス インスタンスの残り時間を予測するアプローチである PGTNet を紹介します。
PGTNet は、公開されている 20 件のさまざまな現実世界のイベント ログにわたって、常に最先端の深層学習アプローチを上回るパフォーマンスを発揮します。
特に、私たちのアプローチは非常に複雑なプロセスで最も有望です。既存の深層学習アプローチでは、プロセスアクティビティ間の制御フローの関係を学習し、長距離の依存関係をキャプチャする能力が限られているために困難に直面します。
PGTNet はこれらの課題に対処すると同時に、学習プロセス中に複数のプロセスの観点を考慮することもできます。

要約(オリジナル)

We present PGTNet, an approach that transforms event logs into graph datasets and leverages graph-oriented data for training Process Graph Transformer Networks to predict the remaining time of business process instances. PGTNet consistently outperforms state-of-the-art deep learning approaches across a diverse range of 20 publicly available real-world event logs. Notably, our approach is most promising for highly complex processes, where existing deep learning approaches encounter difficulties stemming from their limited ability to learn control-flow relationships among process activities and capture long-range dependencies. PGTNet addresses these challenges, while also being able to consider multiple process perspectives during the learning process.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google