基于层次化BERT的可解释性框架：一种面向业务过程预测的方法

作     者：袁永旺 方贤文 卢可 

作者机构：安徽理工大学数学与大数据学院 

出 版 物：《计算机集成制造系统》 (Computer Integrated Manufacturing Systems)

年 卷 期：2024年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金资助项目（61572035） 安徽省重点研究与开发计划资助项目（2022a05020005） 

主　　题：业务过程管理预测 可解释性 深度学习 注意力 事件日志 

摘      要：业务过程预测作为业务过程管理（BPM）的一个重要研究方向，用于准确预测未来的行为事件。它可以为过程行为分析方法的下游任务提供重要支持。面向BPM研究，大多数现有的过程行为分析方法都采用了基于黑箱的深度学习模型，导致可解释性较差，无法提供关于为什么要做出某个预测结果的解释。首先，本文提出了一种基于层次化Bidirectional Encoder Representation from Transformers（BERT）的可解释性框架（HBI），实现了从局部可解释扩展到到全局（整体框架行为）可解释的能力。然后，基于层次化、特征重要性分析、注意力可视化的方法对框架进行可解释分析，理解内部运作过程和决策逻辑，提高透明度。最后，在真实的事件日志中的实验结果表明，相比最先进的研究方法，HBI框架既保证了高于基线的预测准确度，也确保了框架的可解释性。