计算机工程

作者：田银花, 杨立飞, 韩咚, 杜玉越

单位：1. 山东科技大学智能装备学院, 山东 泰安 2710002. 山东科技大学继续教育学院, 山东 泰安 2710003. 山东科技大学计算机科学与工程学院, 山东 青岛 266590

关键词：业务流程,合规性检查,表示学习,事件日志,卷积神经网络

基金：国家自然科学基金(72101137); 国家自然科学基金(61973180); 教育部人文社会科学研究青年基金项目(21YJCZH150); 教育部人文社会科学研究青年基金项目(20YJCZH159); 山东省自然科学基金(ZR2021MF117); 山东省自然科学基金(ZR2022QF020); 山东省重点研发计划(软科学)项目(2022RKY02009); 山东省习近平新时代中国特色社会主义思想研究中心山东科技大学山东数字经济研究基地项目(SDSZJD202314)

业务流程合规性检查可以帮助企业及早发现潜在问题, 保证业务流程的正常运行和安全性。提出一种基于改进BERT(Bidirectional Encoder Representations from Transformers)和轻量化卷积神经网络(CNN)的业务流程合规性检查方法。首先, 根据历史事件日志中的轨迹提取轨迹前缀, 构造带拟合情况标记的数据集; 其次, 使用融合相对上下文关系的BERT模型完成轨迹特征向量的表示; 最后, 使用轻量化CNN模型构建合规性检查分类器, 完成在线业务流程合规性检查, 有效提高合规性检查的准确率。在5个真实事件日志数据集上进行实验, 结果表明, 该方法相比Word2Vec+CNN模型、Transformer模型、BERT分类模型在准确率方面有较大提升, 且与传统BERT+CNN相比, 所提方法的准确率最高可提升2.61%。

来源：2025年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第7期