APP下载

基于块结构的过程模型隐变迁挖掘方法*

2020-05-13方贤文

关键词:精确度结构模型

李 增,方贤文

(安徽理工大学)

0 引言

在广泛的过程挖掘领域中,一个令人感兴趣的领域是流程发现,它从事件日志中挖掘出流程模型,但在挖掘业务流程模型的过程中发现一种有趣的情况,一些活动没有在事件日志中发现,而在许多IT系统的业务流程模型中存在,这种活动被称为隐变迁.从事件日志中挖掘隐变迁可以还原更符合实际情况的流程模型,提高模型的运转效率,从而业务流程模型更加完善.

过程挖掘的目标之一是研究频繁行为,以便在过程挖掘的不同任务(发现、监控和增强)中关注过程中更常见的部分.文献[1-5]提出了几种算法来发现涵盖最常见行为的流程模型,并直接在日志中搜索频繁的结构.在发现流程模型的过程中,文献[6-7]也使用了对不常见情况(偏差或异常痕迹)的搜索,去除它们以降低模型的复杂性,同时不大幅降低适合度.文献[8]提出了一种WoMine-i算法用于从过程模型中检索不频繁的行为模式,实验表明,可找到所有类型的模式,提取无法用最先进的技术挖掘的信息.文献[9]提出一种活动过滤方法的新技术,比基于频率的方法过滤异常活动更有效.文献[10] 提出基于规则的合并方法和规则建议算法,用于流程日志的合并,并在Prom中实现.文献[11]根据区域理论寻找非平凡区域,建立了一个具有隐式变迁的分片子模型, 将子模型与初始模型相结合,挖掘出具有隐变迁的目标模型.

目前已有研究主要针对事件日志……

登录APP查看全文

猜你喜欢

精确度结构模型
一半模型
《形而上学》△卷的结构和位置
重尾非线性自回归模型自加权M-估计的渐近分布
“硬核”定位系统入驻兖矿集团,精确度以厘米计算
论结构
论《日出》的结构
3D打印中的模型分割与打包
创新治理结构促进中小企业持续成长