论文部分内容阅读
过程挖掘建立于过程模型驱动方法和数据挖掘之上并应用于流程管理,它通过从事件日志中提取信息,进而发现、监督和改善业务流程,这使得过程挖掘成为流程管理领域的研究热点。随着信息技术的发展过程挖掘面临着越来越多的挑战,需要进一步研究分析过程挖掘以适应现今的发展。本文主要对挖掘过程中的多模块系统及非频繁行为问题进行分析研究。由于现存的许多研究方法都是针对单模块的,而对多模块系统的处理有着一定的局限性,本文针对这一问题提出了基于特征网与模块网的多模块挖掘方法。首先,按照模块标识分离出各个模块的模块日志,对模块日志使用基于语言的域挖掘方法得到模块网;其次,通过分析模块间的交互特征,提出了基于特征通信的特征网挖掘方法;最后,基于开放Petri网的性质,通过融合特征网与模块网提出了挖掘完整Petri网模型的方法。目前对于日志中非频繁行为的研究还不完善,通常非频繁日志的过滤方法都是把所有的非频繁行为作为噪声进行过滤,然而在实际系统中存在的部分非频繁行为包含着重要的系统信息,不能简单的作为噪声过滤去除,例如,飞船系统的逃逸行为,汽车系统的安全囊防撞行为等,这些行为虽然在整个系统的运行过程中极少出现,却尤为重要。本文针对这一问题提出了基于因果网过滤非频繁行为的挖掘方法,首先,依据事件日志中事件之间的因果关系构建因果网,通过基于因果网的过滤方法,移除真正的噪声行为保留包含系统信息的非频繁行为。然后,通过文中提出的挖掘方法从事件日志与因果网中挖掘出更利于系统分析的Petri网模型。本文通过对多模块系统与非频繁行为的分析研究,提出了多模块系统的挖掘方法和非频繁行为的过滤方法。并且通过实例及一致性评判方法说明了该方法的有效性及一致性。