文件名称：DL_Approach_To_Process_Mining
文件大小：5.27MB
文件格式：ZIP
更新时间：2024-05-03 11:03:48
Python
以下是KM Hanga，Y。Kovalchuk和MM Gaber撰写的文章“基于图形的方法解释过程挖掘中的递归神经网络”的补充材料。 此存储库中提供的代码可用于执行以下任务： •预测要在流程实例中执行的下一个活动。 •预测流程实例的继续（即其后缀）。 •生成过程模型图，以解释预测过程事件序列时LSTM模型的决策。 •计算图之间的相似度以验证模型的泛化能力。 •执行一些过程挖掘任务。 这些脚本使用历史数据（即已完成的流程实例）来训练基于长期短期记忆（LSTM）的预测模型。 在测试数据集上评估模型。 要求： Python3。此外，还需要以下Python库才能运行代码：Keras（作为后端，需要TensorFlow或Theano），unicodecsv，numpy，sklearn，matplotlib，pydot，graphviz和h5py。 （最新版本可能是必需的）。 资料格
【文件预览】：
DL_Approach_To_Process_Mining-master
----Code()
--------model2(bidirectional).py(7KB)
--------model1(unidirectional).py(7KB)
--------generalisation(kfold).py(18KB)
--------qualitymetrics.py(8KB)
----README.md(1KB)
----Data()
--------RTFMP.csv(36.45MB)
--------BPIC2012.csv(13.71MB)
--------VINST_cases_incidents.csv(6.87MB)
--------HelpDesk.csv(1.6MB)
--------VINST cases closed problems.csv(726KB)
--------VINST cases open problems.csv(259KB)