Refinando modelos mediante aprendizaje por refuerzo profundo para la predicción de sufijos

Abstract

Anticipar el comportamiento de un proceso es clave para optimizar la toma de decisiones y la eficiencia operativa. Los enfoques tradicionales de predicción de sufijos modelan la probabilidad del siguiente evento de forma local, lo que puede generar incoherencias en la traza completa. En este trabajo en desarrollo proponemos un esquema en dos fases: (i) entrenamiento supervisado de un modelo base para la predicción del siguiente evento y (ii) su refinamiento mediante aprendizaje por refuerzo profundo, donde la recompensa optimiza directamente la calidad global del sufijo generado. Los resultados experimentales muestran que el refinamiento mejora la calidad global de las predicciones, proporcionando una modelización más coherente a nivel de secuencia completa.