我校媒体工程学院王娇娇教师团队授权发明专利：基于流程日志和多任务学习的未来执行活动及时间预测方法及系统。基于流程日志和多任务学习的未来执行活动及时间预测系统由一组功能模块组成，它们包括：事件日志数据集预处理模块、事件编码模块、特征提取模块、预测模型训练模块、在线预测模块。

事件日志数据集预处理模块，用于对于整个事件日志数据集得到流程轨迹数据集，然后将数据集中异常的、不完整的流程轨迹移除，并根据不同的任务增加一些新的属性，得到预处理后的可用于多任务的流程轨迹数据集；

事件编码模块，用于将流程轨迹数据集所包含的所有事件的属性根据属性值类型分别进行编码，得到每个事件对应的长度相同的编码向量；

特征提取模块，用于将每个事件对应的编码向量作为神经网络的输入，使用transformerBlock层、多任务层和参数共享层进行特征提取，得到每个事件对应的特征向量；

预测模型训练模块，用于将每条流程轨迹的特征向量作为输入，通过神经网络模型计算得到每条流程轨迹在三个不同任务上的输出，然后使用多任务融合的损失函数表示该值与流程轨迹真实值之间的误差，最后使用梯度下降优化算法来训练得到神经网络中所有的参数，得到预测模型；

在线预测模块，用于将当前正在执行的流程实例中已经发生的事件序列作为预测模型的输入，得到该流程实例分别在三个任务上的预测结果。

图1 基于多任务学习的Transformer神经网络模型

王娇娇，博士，浙江传媒学院讲师，主要研究方向为智能化业务过程管理、过程数据分析和质量评估等。作为项目负责人主持国家自然科学基金青年基金项目一项，参与多项浙江省重点研发计划项目。在《Knowledge-Based Systems》、《Journal of Grid Computing》、《Computer Communications》、《软件学报》、ICWS、ACM MM等国内外知名期刊和国际会议上发表科研论文20余篇，申请/授权国家发明专利10余项。