基于ON-LSTM的业务过程模型深度自动生成
为打破现有过程挖掘算法在日志缺失时无法使用带来的局限性,基于现有的深度学习、自然语言处理技术基础,提出一种新颖的从过程文本描述中深度自动生成业务过程模型的方法.对现有命名实体方法进行改进,通过BERT,BiLSTM,CRF构建活动实体识别模型,提出面向业务过程的活动实体识别方法;将语言模型从句子级别扩展到文档级别,提出一种通过递归体系结构有序神经网络(ON-LSTM)无监督地发现过程描述文档中所蕴含的活动实体间潜在的层次结构;通过活动实体的层次深度原则,将层次结构树转化为业务过程模型.通过对人工采集与标注的150个真实的SAP产品用户指南文本作为训练数据进行实验,并在ON-LSTM基础上采用K折交叉验证思想对数据进行多次分组实验,验证了所提方法的有效性.
深度学习、业务过程发现、活动实体、层次结构、有序神经长短期记忆网络
28
TP311(计算技术、计算机技术)
国家自然科学基金;云南省重大科技专项计划资助项目;云南省自然科学基金基础研究面上资助项目;云南省软件工程重点实验室开放基金资助项目;云南哲学社会科学青年资助项目
2022-11-14(万方平台首次上网日期,不代表论文的发表时间)
共13页
3225-3237