Hacia una Mejor Monitorización Predictiva: Combinando Redes Neuronales de Grafos con Redes Neuronales Recurrentes en Minería de Procesos

Abstract

La monitorización predictiva de procesos de negocio, un subcampo clave de la minería de procesos, se centra en predecir características del próximo evento o secuencia de eventos futuros, entre otros aspectos relevantes. A pesar de que se han propuesto numerosas aproximaciones basadas en aprendizaje profundo, como redes neuronales recurrentes y convolucionales, estas no aprovechan de manera óptima la información estructural presente en los modelos de procesos. Este artículo presenta una propuesta innovadora que combina redes neuronales recurrentes con redes convolucionales de grafos, logrando un aprendizaje simultáneo de la información espaciotemporal tanto del registro de eventos como del modelo de proceso. Esta integración permite la identificación de patrones comunes en modelos de procesos, como bucles o paralelos, evitando la pérdida de información durante el aprendizaje del modelo. Un análisis experimental utilizando registros de eventos reales demuestra que nuestra aproximación presenta una mayor consistencia y supera a las técnicas actuales del estado del arte en el ámbito de la monitorización predictiva.