摘要
本发明公开了一种基于集成学习的业务流程多任务预测方法,该方法首先获取系统运行产生的业务流程历史日志数据,并提取用于预测任务的信息构建成原始数据集,针对不同的任务,对原始数据集进行预处理。其次构建由输入层、嵌入层、特征提取层、多任务输出层组成的多任务预测模型,使用预处理后的原始数据集作为多任务预测模型输入,得到各任务的预测结果,并计算损失,对多任务预测模型进行训练。最后将训练后的多任务预测模型进行在线部署,根据系统产生的业务流程日志进行流程任务预测。本发明利用集成学习的思想,以提高任务预测精度和泛化能力,为预测性业务流程监控领域的研究提供了方法支持。
技术关键词
多任务预测方法
业务流程日志
注意力机制
业务流程监控
预测误差
预测模型训练
前馈神经网络
模块
数据
序列
轨迹
代表
动态地
在线
编码
进程
精度
系统为您推荐了相关专利信息
地下车库管理设备
交通流量信息
Dijkstra算法
空闲车位
车辆
融合特征
交叉注意力机制
数据传输方法
数据采集终端
动态
变压器故障诊断
变压器运行数据
深度学习模型
蚁狮优化算法
故障预测模型