[發明專利]一種基于機器學習的流程異常預測方法

有效

• 申請號: 201811511374.4
• 申請日: 2018-12-11
• 公開（公告）號: CN109753408B
• 公開（公告）日: 2022-03-25
• 發明（設計）人: 王偉;曹健
• 申請（專利權）人: 江陰逐日信息科技有限公司
• 主分類號: G06F11/30
• 分類號: G06F11/30
• 代理公司: 上海申浩律師事務所 31280
• 代理人: 龔敏

1.一種基于機器學習的流程異常預測方法，其特征在于，其包括超期異常預測流程和行為異常預測流程；

其中超期異常預測流程以下步驟：

S11、從歷史流程日志中查找出與當前正在執行的待預測流程相同的所有歷史流程；

S12、計算查找出的歷史流程中每一歷史流程的流程執行總時間以及每一歷史流程中每一活動的執行時間；

S13、標記每一歷史流程是否是超期異常；

S14、基于每一歷史流程中每一活動的執行時間和每一歷史流程的是否超期異常的標記訓練基于監督學習的分類器；

S15、將待預測流程輸入至訓練好的分類器中以預測出該待預測流程是否屬于超期異常流程；

行為異常預測流程以下步驟：

S21、從歷史流程日志中查找出與當前正在執行的待預測流程相同的所有歷史流程；

S22、計算查找出的每一歷史流程中每一活動的執行時間；

S23、基于每一活動的執行時間訓練基于非監督學習的離群點檢測算法，將每一歷史流程中活動的執行時間序列相鄰項相除得到活動時間比例，使用離群點檢測算法找出歷史流程中活動時間比例與眾不同的流程判定為行為異常流程；

S24、將待預測流程輸入至訓練好的離群點檢測算法中以預測出該待預測流程是否屬于行為異常流程；

通過分別用兩種預測流程對流程是否異常進行預測并綜合兩種預測流程得出最終異常預測結果，稱之為集成業務流程異常預測。

2.如權利要求1所述的基于機器學習的流程異常預測方法，其特征在于，通過分別執行流程的超期異常預測和行為異常檢測，將業務流程預測異常分類為I類-超期異常流程、II類-行為異常流程、以及I類II類-高危異常流程。

3.如權利要求1所述的基于機器學習的流程異常預測方法，其特征在于，通過對每一活動開始與結束事件時間戳取差值，求得每一個活動的執行時間。

4.如權利要求1所述的基于機器學習的流程異常預測方法，其特征在于，使用監督學習中直接高效的邏輯回歸算法作為分類器的基本模型，綜合采樣的SMOTE+Tomek算法緩解樣本不均衡問題。

5.如權利要求1所述的基于機器學習的流程異常預測方法，其特征在于，在步驟S23中，使用孤立森林算法模型，通過活動執行時間比例中找出離群點以鑒別待預測流程是否為行為異常的流程。