Νευρωνικά Δίκτυα Μακράς και Βραχείας Μνήμης για Πρόβλεψη Τραπεζικών Διαδικασιών

Abstract

Η πρόβλεψη της συμπεριφοράς της επιχειρηματικής διαδικασίας είναι μια σημαντική πτυχή της διαχείρισης επιχειρησιακών διαδικασιών (Business Process Management) και οι τεχνικές βαθιάς μάθησης (deep learning) έχουν βρει πρόσφατα εφαρμογές στον τομέα. Οι προβλεπτικές μέθοδοι παρακολούθησης επιχειρηματικών διαδικασιών εκμεταλλεύονται αρχεία καταγραφής ολοκληρωμένων γεγονότων (event logs) για να κάνουν προβλέψεις σχετικά με την εκτέλεση των περιπτώσεων (cases) αυτών. Οι υφιστάμενες μέθοδοι στο χώρο αυτό είναι προσαρμοσμένες για συγκεκριμένες εργασίες και σύνολα δεδομένων. Αυτή η διπλωματική εργασία διερευνά τον τρόπο χρήσης τεχνικών βαθιάς μάθησης και συγκεκριμένα επαναλαμβανόμενων νευρωνικών δικτύων με αρχιτεκτονική μακράς και βραχείας μνήμης (Long-Short-Term Memory (LSTM)) για να προβλέψει την επόμενη δραστηριότητα σε μια επιχειρηματική διαδικασία. Η προσέγγιση αξιολογείται σε ένα πραγματικό σύνολο δεδομένων του τραπεζικού τομέα και τα αποτελέσματα δείχνουν ότι η πρόβλεψη της επόμενης δραστηριότητας είναι αποδεκτή σύμφωνα με τη βιβλιογραφία του πεδίου.