본 논문은 비즈니스 프로세스의 나머지 이벤트 시퀀스를 예측하는 접미사 예측 문제에 대해 다룹니다. 기존 접근 방식은 가장 가능성이 높은 단일 접미사를 예측하는 데 초점을 맞추지만, 프로세스의 미래 경과가 불확실성에 노출되거나 높은 변동성을 가질 경우 단일 접미사 예측의 표현력이 제한적일 수 있습니다. 이러한 한계를 해결하기 위해, 본 논문에서는 접미사의 확률 분포를 근사하는 새로운 접근 방식인 확률적 접미사 예측을 제안합니다. 제안된 접근 방식은 Uncertainty-Aware Encoder-Decoder LSTM (U-ED-LSTM)과 Monte Carlo (MC) 접미사 샘플링 알고리즘을 기반으로 합니다. MC dropout을 통해 인식론적 불확실성을, 학습된 손실 감쇠를 통해 우연적 불확실성을 포착합니다. 본 기술 보고서는 네 개의 실제 이벤트 로그에 대해 세 가지 다른 하이퍼파라미터 설정으로 U-ED-LSTM의 예측 성능을 자세히 평가하고 교정을 평가합니다.
