齐陈荣

摘 要：为突破固定模式，实时预测，使流程管理更高效更准确，本文提出一种基于序列模式的对齐预算方法。以业务流程模型和日志集作为输入，通过分析模型中活动的行为关系，将活动划分为不同的序列模式，利用条件概率对序列模式中活动做预测。并且通过实例分析了该方法的有效性。

关键词：Petri网;对齐;预测;序列模式;条件概率

中图分类号：TP391.9  文献标识码：A  文章编号：1673-260X（2021）07-0013-04

0 引言

随着信息技术的快速发展，业务流程管理在企业或组织间扮演着越来越重要的角色。然而，真实的业务场景与流程模型间会存在行为不一致，我们经常使用对齐来描述这种差异。目前，国内外很多学者研究了对齐问题。例如，Bloemen V等[1]提出了不同于标准成本函数的新的成本函数，设计了优先考虑最大化同步移动对齐算法，该算法不同于A*算法和符号算法，最后通过实例说明了算法的实用性和有效性。Garcia-Banuelos L等[2]介绍了一种新的对齐方法，即通过两个事件结构做纠错同步积的对齐方法，并详细阐述了日志与模型间的六种不匹配行为，通过一种自然语言来描述这个变化。刘静[3]等人提取出事件日志有效的高频形态学发生片段，在此基础上发现最优迹对齐。前人在对齐方面的研究，大多是通过暴力搜索来寻找差异且日志与模型都具有完整性。因此，突破固定模式，实时预测，使流程管理更高效更准确显得尤为重要。关于预测的研究有，Tax N等[4]提出了一种基于机器学习方法预测在给定的不完整序列之后可能出现的元素。……