Библиографическое описание:МЕТОДЫ ГРАФОВЫХ НЕЙРОННЫХ СЕТЕЙ В ПРОЦЕССНОМ МОНИТОРИНГЕ : доклад, тезисы доклада / Д. А. Агеев, Р. А. Агеев, Ж. Р. Ким [и др.]. - [Б. м. : б. и.], 2025. - Текст : непосредственный // Общественные науки: исследования и практики: Стратегии развития общества и экономики в новой реальности : Сборник трудов VII Международной научно-практической конференции. - Ростов-на-Дону, 2025. - С. 10-13. - ISBN 9785908104166.
Аннотация:В работе рассматриваются методы графовых нейронных сетей (GNN) для предиктивного мониторинга процессов (Predictive Process Monitoring, PPM) по журнальным логам событий. Показано, что представление префикса текущего кейса в виде гетерогенного, темпорально аннотированного графа позволяет учитывать и контрольный поток (control-flow), и контекст (data-flow/ресурсы), что ведёт к росту точности в задачах предсказания следующего действия, оставшегося времени и исхода кейса. Отдельно обсуждается проблема объяснимости GNN в PPM.
This work examines Graph Neural Network (GNN) methods for Predictive Process Monitoring (PPM) based on event logs. It shows that representing the prefix of a running case as a heterogeneous, temporally annotated graph makes it possible to account for both control-flow and context (data-flow/resources), which leads to higher accuracy in next-activity, remaining-time, and outcome prediction tasks. The issue of GNN explainability in PPM is discussed separately
Держатель оригинала документа:Московский государственный технический университет имени Н.Э. Баумана
Мероприятие:Общественные науки: исследования и практики: Стратегии развития общества и экономики в новой реальности (Ростов-на-Дону, 2025 ; 16.10 - 17.10)
Количество экземпляров:
Твёрдая копия издания отсутствует в фонде библиотеки
