摘要
预测性业务流程监控方法利用已完成流程案例的日志来对正在运行的案例进行预测。现有的方法通常是为特定的预测任务量身定制的。此外，它们的相对准确性对所使用的数据集非常敏感，因此在特定环境中应用这些方法时，用户需要进行试错和调整。本文研究了长短期记忆（Long Short-Term Memory, LSTM）神经网络作为一种构建广泛预测性流程监控任务中一致准确模型的方法。首先，我们展示了LSTM在预测正在运行案例的下一个事件及其时间戳方面优于现有技术。接下来，我们介绍了如何使用预测下一个任务的模型来预测正在运行案例的完整后续过程。最后，我们将相同的方法应用于剩余时间的预测，并证明该方法优于现有的量身定制方法。