机构名称：
¥ 2.0
摘要。当代流程感知信息系统具有记录流程执行过程中产生的活动的能力。为了利用这些特定于流程的细粒度数据，流程挖掘最近已成为一门有前途的研究学科。作为流程挖掘的一个重要分支，预测业务流程管理的目标是生成前瞻性的预测性见解来塑造业务流程。在本研究中，我们提出了一个概念框架，旨在建立和促进对决策环境、底层业务流程和用户特征的理解，以开发可解释的业务流程预测解决方案。因此，关于该框架的理论和实际意义，本研究为深度学习分类器提出了一种新颖的局部事后解释方法，有望帮助领域专家证明模型决策的合理性。与其他流行的基于扰动的局部解释方法相反，本研究使用深度神经网络学习到的中间潜在空间表示从验证数据集中定义局部区域。为了验证所提出的解释方法的适用性，我们使用了沃尔沃 IT 比利时事故管理系统提供的实际流程日志数据。所采用的深度学习分类器取得了良好的性能，ROC 曲线下面积为 0.94。生成的局部解释也被可视化，并提供了相关的评估措施，有望提高用户对黑盒模型的信任度。
可解释的人工智能流程挖掘
主要关键词
相关文件推荐
