论文
探索 LLM 在小规模事件日志预测性流程监控中的特性
Exploring LLM Features in Predictive Process Monitoring for Small-Scale Event-Logs
摘要
预测性流程监控是流程挖掘的一个分支，旨在预测进行中流程的结果。近来，它开始利用机器学习与深度学习架构。本文扩展我们先前基于 LLM 的预测性流程监控框架，该框架最初聚焦于通过提示进行总时间预测。扩展工作包括全面评估其通用性、语义利用与推理机制，并覆盖多个关键绩效指标（KPI）。在三个不同事件日志上、针对总时间与活动发生预测两项 KPI 进行的实证评估表明，在仅有 100 条轨迹的数据稀缺场景下，LLM 超过基准方法。实验还表明，LLM 同时利用了其内嵌的先验知识与训练轨迹间的内部关联。最后，我们考察了模型采用的推理策略，证明 LLM 并非只是复刻既有预测方法，而是执行更高阶的推理来生成预测。
