بهبود دقت پیش بینی فرآیندها در مدیریت فرآیندهای کسب وکار با به کارگیری معماری LSTM
- سال انتشار: 1399
- محل انتشار: مجله چشم انداز مدیریت صنعتی، دوره: 10، شماره: 3
- کد COI اختصاصی: JR_INDU-10-3_004
- زبان مقاله: فارسی
- تعداد مشاهده: 152
نویسندگان
دانشجوی دکتری، دانشکده فنی مهندسی، دانشگاه آزاد اسلامی قم.
دانشیار، دانشگاه الزهرا.
دانشیار، دانشگاه الزهرا.
چکیده
پیشبینی رفتار فرآیندهای سازمانی، نقش مهمی در مدیریت فرآیندهای کسب وکار ایفا می کند. این مهم با توسعه به کارگیری الگوریتم های یادگیری ماشین در جنبه های مختلف آیند ه پژوهی افق های نوینی در برابر پیشبینی رویدادها و فرآیندها در فضای کسب وکار گشوده است. یکی از رو ش های یادگیری ماشین، به کارگیری الگوریتم های یادگیری عمیق به عنوان شاخه ای از شبکه های عصبی است که توانسته دقت پیشبینی را به میزان زیادی افزایش دهد؛ ازاین رو در پژوهش حاضر از معماری LSTM (حافظه طولانی کوتاه مدت) شبکه عصبی برای پیشبینی فرآیندهای کسبوکار استفاده شده است. برای انجام آزمایش، الگوریتم LSTM بر روی مجموعه داده BPI۲۰۱۲ و BPI۲۰۱۷ اعمال شد. نتایج حاصل از ساخت ۳۰۰ مدل پیشبینی نشان داد که در مجموعه داده BPI۲۰۱۷ از مجموع آزمایش های انجام شده بیشترین دقت ۹۰۷/۰ است که این مقدار دقت از مقادیر دقت به دست آمده در پژوهش های مشابه بالاتر است. این دقت با اجرای الگوریتم LSTM با معماری یک لایه و مدل داده بزرگ و بدون بازخورد به دست آمده است.کلیدواژه ها
مدیریت فرآیندها, مدل پیش بینی, یادگیری ماشین, معماری LSTMاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.