过程挖掘主要用于从信息系统生成和存储的数据中提取知识,以便分析执行的过程。在临床路径检测和优化方面,过程挖掘已被用于不同的案例研究,并取得了良好的结果。然而由于目前得到的过程模型中的临床路径存在结构单一,健壮性弱,路径不标准,不规范,不能反映实际诊疗过程,且最终实施维护成本高,缺乏系统高效的评测方法等问题。故而本文打算从主题优化角度进行本文的研究,通过对主题优化,进而挖掘更好的模型。但目前已有的研究方法中存在:抽取活动时有语义差异且无法得到语义一致的概念;同一诊疗项目与不同主题间均具有强关联关系等问题。而进行临床路径的研究一方面可解决上述问题,另外还可指导医疗实践,所以本文主要进行临床路径研究。为获得高质量的过程模型,本文基于败血症患者临床诊疗数据,围绕面向数据驱动的临床路径优化和模型对齐展开研究,其主要内容是:提出了联合领域知识图谱的主题优化方法:KG-LDA（Knowledge Graph Augmented LDA Model for topic optimization）和基于词向量的主题优化方法:WE-LDA（Word Embedding Augmented LDA Model for topic optimization）,通过这两种方法对主题进行约束,以得到更为连贯的主题。在此基础上,使用IM（Inductive Miner）算法进行模型的挖掘。得到模型之后,采用已有的日志模型对齐算法进行对齐,最终验证本文算法的有效性。在实验部分,采用真实数据集:Sepsis Case-Event Log进行实验,首先对主题优化用到的参数:相似性阈值参数θ和优化主题参数α进行实验,得到其参数对应值。在此基础上,将提出的方法与已有的算法:CPM-LDA（Clinical Pathway Miner-LDA）,Alpha+,IM和ILP（Inductive Logic Programming）算法进行对比实验,实验表明,本文方法在精确度,召回率,F1-score和适合度等四个质量指标上的值都比已有算法好。