Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций
Конференция: Общественные науки: исследования и практики: Стратегии развития общества и экономики в новой реальности; Ростов-на-Дону; Ростов-на-Дону
Год издания: 2025
Ключевые слова: предиктивная аналитика, процесс-майнинг, графовые нейронные сети, объяснимый ИИ, predictive analytics, process mining, graph neural networks, explainable AI
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), Показать полностьюи 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
Журнал: Общественные науки: исследования и практики: Стратегии развития общества и экономики в новой реальности
Номера страниц: 10-13
Место издания: Ростов-на-Дону