买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉山东理工大学申请的专利一种基于日志采样的流程实例下一事件预测方法与系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115328866B 。

龙图腾网通过国家知识产权局官网在2026-02-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210906894.5，技术领域涉及：G06F16/17；该发明授权一种基于日志采样的流程实例下一事件预测方法与系统是由刘聪;董乐乐;陆婷;李会玲;郭娜;任崇广设计研发完成，并于2022-07-29向国家知识产权局提交的专利申请。

本一种基于日志采样的流程实例下一事件预测方法与系统在说明书摘要公布了：本发明公开了一种基于日志采样的流程实例下一事件预测方法与系统，包括：获取数据并预处理以获取标准事件日志；将标准事件日志根据任务需求按照比例划分为训练集、验证集和测试集；将训练集按照轨迹重要性将轨迹进行排序并采样；将采样后的训练集和验证集输入至深度学习网络模型中进行训练与验证；将未经过采样的测试集输入到训练和验证好的模型进行测试，得到下一事件预测任务测试结果；对深度学习网络模型进行参数调整，优化模型。本发明可实现高效的流程实例下一事件预测，规避流程操作中存在的违规风险，突破当前没有合适的事件日志完成下一事件预测任务的局限性，相较于单纯只利用深度学习模型进行预测，减少了训练量，提高决策效率。

本发明授权一种基于日志采样的流程实例下一事件预测方法与系统在权利要求书中公布了：1.一种基于日志采样的流程实例下一事件预测方法，其特征在于，包括以下步骤： 1获取真实原始事件日志并对其进行预处理，该真实原始事件日志中记录了业务流程所有信息，包含业务流程事件及事件属性，该预处理是针对业务流程下一事件预测需求，保留事件及时间属性，得到标准事件日志； 2根据步骤1中获得的标准事件日志以轨迹为单位按照比例随机划分为训练集、验证集和测试集； 3利用步骤2划分好的训练集，利用LogRank++算法对事件日志按照特定采样率采样，得到采样后的训练集，其具体步骤如下： 3.1根据步骤2获得的训练集大小和期望提升的效率，提前设定采样率S，其中采样率越小得到的采样后数据集越小； 3.2通过LogRank++算法，计算轨迹中各个事件的重要性以及直接跟随事件关系的重要性； 通过计算事件日志中包含事件a的轨迹数量求得事件重要性，事件重要性的公式为： 式中，a为事件，L为事件日志，|L|为事件日志包含轨迹数，siga为事件a的重要性，σi表示事件日志L中的第i条轨迹； 通过计算包含直接跟随事件关系a,b的轨迹数量计算直接跟随事件关系的重要性，直接跟随事件关系的重要性公式为： 式中，a、b为事件，a,b为直接跟随事件关系，siga,b为直接跟随事件关系的重要性； 3.3根据步骤3.2得到的各个事件的重要性及直接跟随事件关系的重要性，得到事件日志中每条轨迹的重要性，计算轨迹重要性的公式如下： 式中，sigσ为轨迹重要性，sigσ的数值越大代表轨迹越重要； 3.4根据步骤3.3计算所得的轨迹重要性，对训练集中所有轨迹按轨迹重要性从高到低排序，并按照步骤3.1设定的采样率S选取训练集前S条轨迹，得到采样后的训练集； 4将步骤3获得的采样后训练集和步骤2划分后未经过采样的验证集输入到深度学习网络模型中进行下一事件预测的训练和验证，得到训练和验证好的深度学习网络模型以及采样后的训练、验证时间与事件日志采样时间之和与采样前训练、验证时间之比； 5将步骤2划分后未经过采样的测试集输入到步骤4训练和验证好的深度学习网络模型进行测试，得到下一事件预测任务的测试准确率； 6根据步骤5得到的下一事件预测任务的测试准确率及步骤4得到的采样后的训练、验证时间与事件日志采样时间之和与采样前训练、验证时间之比和步骤3设定的采样率来调整训练和验证好的深度学习网络模型的参数，从而优化模型，得到最优的深度学习网络模型，后续将下一事件预测任务输入该最优的深度学习网络模型，即可得到准确的预测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人山东理工大学，其通讯地址为：255020 山东省淄博市张店区新村西路266号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。