SiamSA-PPM

新的自监督框架通过数据增强提升过程预测能力

研究人员开发了SiamSA-PPM，一个新颖的自监督框架，旨在改善在标记数据有限情况下的预测性过程监控（PPM）。该框架结合了Siamese学习和基于统计的数据增强，采用了考虑控制流语义和常见行为模式的独特转换方法。该方法生成逼真且语义有效的轨迹变体，无需标记监督即可学习可泛化的前缀表示。在真实事件日志上的实验表明，与现有的最先进基线相比，SiamSA-PPM在预测下一个活动和最终结果方面均取得了具有竞争力或更优的性能。