본 논문은 비즈니스 프로세스의 남은 이벤트 시퀀스를 예측하는 접미사 예측 문제를 다룬다. 기존 접근 방식은 가장 가능성이 높은 단일 시나리오만을 예측하는 데 초점을 맞추지만, 프로세스의 미래 경과가 불확실성과 높은 변동성을 갖는 경우 이러한 단일 시나리오의 표현력은 제한적일 수 있다. 따라서 본 논문은 접미사의 확률 분포를 근사하는 새로운 접근 방식인 확률적 접미사 예측을 제안한다. 제안된 접근 방식은 Uncertainty-Aware Encoder-Decoder LSTM (U-ED-LSTM)과 Monte Carlo (MC) 접미사 샘플링 알고리즘을 기반으로 하며, MC dropout을 통해 인식론적 불확실성을, 학습된 손실 감쇠를 통해 우연적 불확실성을 포착한다. 실제 이벤트 로그 4개와 인공 이벤트 로그 1개를 사용하여 세 가지 하이퍼파라미터 설정에서 확률적 접미사 예측 접근 방식의 예측 성능과 보정을 종합적으로 평가한다. 실험 결과, 확률적 접미사 예측이 가장 가능성이 높은 접미사 예측보다 성능이 우수하며, U-ED-LSTM이 적절한 예측 성능을 보이고, 모델의 예측이 잘 보정됨을 보여준다.
