分布式环境下事件驱动的业务流程预测模型：深度学习的应用

"基于事件的分布式业务流程预测"是一篇由中国科技论文在线发布的首发论文，由刘然和吴步丹两位作者在 Beijing邮电大学网络与交换技术国家重点实验室完成。论文主要关注于解决在分布式业务流程环境下，传统预测模型存在的问题。在传统的业务流程预测中，模型通常依赖于流程实例的事件序列来进行预测，然而，在分布式环境中，获取一个完整的事件序列可能会面临较大的数据收集和处理挑战，这可能导致预测效率低下和成本增加。 作者提出了一种创新的方法，即构建一个不依赖于事件序列的预测模型。这个模型采用单个事件及其附加数据作为输入，通过双模型进行循环预测，利用深度学习中的卷积神经网络(CNN)等技术进行建模。这种方法的优势在于它能够有效处理分布式环境中的异构数据，并且减少了对全局信息的依赖，降低了对完整事件序列的依赖性。 论文的核心贡献是设计了一个预测模型，能够在分布式环境中进行实时、准确的业务流程预测。实验部分，作者选择了真实的荷兰某银行的贷款流程数据进行模型验证。具体结果显示，该模型对于下一步事件的预测具有很高的准确度，AUC值达到了0.96，而下两步事件预测的AUC值也达到0.91。这表明模型不仅能够有效地预测流程的后续步骤，还能够对可能出现的失败事件进行提前预警，这对于业务流程优化和风险控制具有显著的价值。 关键词方面，文章涉及到了计算机应用技术、业务流程管理、深度学习以及卷积神经网络等多个关键领域，显示了研究的理论基础和技术应用前景。这篇论文为分布式业务流程的预测提供了一种新颖且实用的方法，有望在未来的企业信息系统和业务流程自动化中发挥重要作用。"