流程挖掘已经成为一种分析组织行为的方法,它从事件日志中提取知识,并提供发现、监视和增强实际流程的技术。并在过去的十几年里被用于业务流程管理(Business Process Management,BPM)和数据挖掘领域。随着越来越多过程感知信息系统的应用,记录了大量的事件数据,可以通过过程挖掘技术对这些事件数据进行分析。通常企业在初始阶段没有进行系统地建模,但在其系统中仍记录了大量的活动执行过程。随着业务的逐渐复杂,企业通常通过一些已有的过程挖掘技术,在大量实际日志中挖掘出工作流模型来更好地管理业务,从而提高工作效率,但我们往往需要符合性检测来衡量挖掘出来的模型的质量。组织极有可能在其业务流程之间具有相似性、差异性和多样性。为了协调并使这些流程更加有效和高效,有必要对现有过程之间的相似性和差异性进行分析。业务流程相似度(Business Process Similarity,BPS)是识别两个不同业务流程间相似度的活动。同时,过程感知信息系统的实现,支持在构建时进行流程模型配置,以及在运行时更改流程实例。各自的适应导致了大量流程模型的变体,这些变体是从一个流程模型派生出来的,但在结构上略有不同。一般来说,配置和维护这样的模型变体是非常昂贵的。对流程模型与其流程变体相似性的研究,有利于减少流程变体对未来流程配置和适应的需求,以便于维护和降低成本。本文以Petri网理论为基础,结合行为轮廓知识与活动的发生关系,对流程模型及其流程变体的相似性、不同业务流程间的相似性进行了分析,并给出事件日志与流程模型的符合性度量方法。(1)针对已有研究对距离相同的流程变体无法进一步区分的问题,利用行为轮廓在描述流程模型相似性方面强大的分析功能,提出了基于行为轮廓的距离相似性分析方法。在流程族的模型距离相等的基础上引入行为轮廓相似性度,利用二维度量指标,将流程族模型的结构特性和行为特性进行综合评判,更加全面的分析流程模型及其流程变体的相似程度,解决已有文献使用单—维度无法区分流程变体间差异的问题。(2)针对现有的流程模型行为相似性度量方法大都基于变迁的发生序列,存在时间复杂度较高的问题,提出一种基于活动发生关系的流程相似性度量方法。首先,提出左右集概念,并引入违背度和左右集权重α,β,根据活动间的发生关系是否变化,确定权重取值,计算活动的相似性;然后,将流程中活动的相似性归一化处理,给出流程的相似性定义,并提出基于活动发生关系的流程相似性算法(Activity Occurrence relation,AOR),进行业务流程的相似性度量。(3)过程挖掘领域使用事件数据来发现流程模型,符合性检测可以评价挖掘模型的质量。针对现有的符合性检测方法大都基于单个活动的对齐,且只给出模型与日志的快速匹配方法,存在非块结构模型不敏感的问题,提出一种基于直接后继关系对齐的过程符合性检测方法。首先根据直接后继关系,以紧邻活动对的方式展现模型与日志中相关属性,然后根据基于紧邻活动对的最优对齐算法(Adjacency Activity Pair,AAP),得到轨迹的最优匹配活动对序列,提出基于最小代价的单条迹与模型的拟合度函数,并给出拟合度算法(Difference Fitness Algorithm,DFA),度量日志与模型的符合性。本文共有2个主要实验,分别用以验证基于直接后继关系对齐的拟合度算法和基于活动发生关系的流程相似性算法,两个实验结果表明了两个算法的可行性。另外,还通过人工编纂的模型来检验拟合度算法和相似性算法的性能体现,记录算法的运行时间,通过与已有的主流法作比较,说明本文算法的运算效率在一定程度上优于其他算法。本文主要研究内容和贡献如下:(1)提出一种流程模型及其流程变体的相似性度量方法,有效区分了距离相等的流程族模型。(2)设计了基于活动发生关系的流程相似性算法,该方法结合活动在左右集上的结构特征与活动间发生关系变化情况,从结构和行为综合分析,度量不同流程的相似性。(3)基于直接后继关系,首次提出紧邻活动对对齐概念,并提出基于紧邻活动对的最优对齐算法,以寻找待匹配迹与模型执行迹的最优对齐,定义基于最优对齐的代价函数,进而计算模型与日志拟合度。该方法能够较快匹配执行迹与待匹配迹,并给出模型与日志的符合性度量方法。图[12]表[9]参[79]。