一种基于滑窗的增量式过程挖掘算法

• 论文 •

一种基于滑窗的增量式过程挖掘算法

查海平，，王建民，孙家广，

1. 清华大学计算机科学与技术系，北京100084； 2. 清华大学软件学院，北京100084；3. 清华大学信息系统安全教育部重点实验室，北京100084

出版日期:2008-01-15 发布日期:2008-01-25

Incremental algorithm for process mining based on sliding window

ZHA Haiping,, WANG Jianmin,, SUN Jiaguang,

1. Department of Computer Science & Technology, Tsinghua University, Beijing 100084, China; 2. School of Software, Tsinghua University, Beijing 100084, China; 3. Ministry of Education Key Lab for Information System Security, Tsinghua University, Beijing 100084, China

Online:2008-01-15 Published:2008-01-25

摘要/Abstract

摘要： 传统过程挖掘算法是针对静态模型和静态日志进行设计的，不能直接用于演化过程的发现。为此，提出了一种过程挖掘算法，应用滑窗机制实现增量式算法设计，利用日志事件关系模型，引入日志事件关系计数和阈值机制，实现对事件日志流的持续挖掘，因而能够发现模型演化的历史及模型当前实际执行情况。分析了算法性质及相关参数的影响，并进行了实验验证。

关键词: 过程挖掘, 演化过程, 滑窗算法

Abstract: Most existing process mining algorithms were designed for static models and static event logs, so they could not be used in mining evolutionary processes. To deal with this problem, an incremental mining algorithm was proposed, which applied a sliding window to event log stream. And eventrelation count and eventrelation threshold mechanism were introduced by applying log eventrelation model. The unremitting mining of event log flow was realized and a series of models corresponding to evolutionary event logs were obtained. Algorithm property and relevant parameters effect were also analyzed. Experiments were performed to validate the proposed algorithm.

Key words: process mining, evolution process, sliding window algorithm

中图分类号:

TP311

查海平,,，王建民,，孙家广,,. 一种基于滑窗的增量式过程挖掘算法[J]. .

ZHA Haiping,,, WANG Jianmin,, SUN Jiaguang,,. Incremental algorithm for process mining based on sliding window[J]. .

[1]	鲁法明,崔明浩,包云霞,曾庆田,段华. 基于程序运行轨迹Petri网模型挖掘的死锁检测方法[J]. 计算机集成制造系统, 2021, 27(9): 2611-2624.
[2]	王丽丽,方贤文. 基于行为距离的带隐变迁过程模型挖掘方法[J]. 计算机集成制造系统, 2021, 27(9): 2670-2679.
[3]	汤雅惠,李彤,朱锐,南峰涛,付会林. 基于执行者过程树的双维度遗传过程挖掘方法[J]. 计算机集成制造系统, 2021, 27(9): 2680-2690.
[4]	方欢,李东月,孙书亚,方贤文. 基于直接后继关系对齐的过程符合性检测[J]. 计算机集成制造系统, 2020, 26(6): 1473-1482.
[5]	林雷蕾,杨良,闻立杰,周华,王建民. 基于信息熵的无标日志划分评价方法[J]. 计算机集成制造系统, 2020, 26(6): 1483-1491.
[6]	汤雅惠,朱锐,李彤,南峰涛,郑明,马自飞. 基于轨迹聚类种群的遗传过程混成挖掘算法[J]. 计算机集成制造系统, 2020, 26(6): 1510-1524.
[7]	刘聪,程龙,曾庆田,闻立杰,欧阳春. 基于Petri网的分层业务过程挖掘方法[J]. 计算机集成制造系统, 2020, 26(6): 1525-1537.
[8]	李鹏飞,鲁法明,包云霞,曾庆田,朱冠烨. 基于医疗过程挖掘与患者体征的药物推荐方法[J]. 计算机集成制造系统, 2020, 26(6): 1668-1678.
[9]	胡小强,吴翾,闻立杰,王建民. 基于Spark的并行分布式过程挖掘算法[J]. 计算机集成制造系统, 2019, 25(第4): 791-797.
[10]	田银花,杜玉越,韩咚,刘伟. 基于Petri网的事件日志与过程模型对齐方法[J]. 计算机集成制造系统, 2019, 25(第4): 809-829.
[11]	郑灿彬,吴翾,闻立杰,王建民. 从事件日志中发现过程模型的渐变漂移[J]. 计算机集成制造系统, 2019, 25(第4): 830-836.
[12]	林雷蕾,闻立杰,周华,裴继升,代飞,郑灿彬. 基于日志完备性的过程漂移检测方法[J]. 计算机集成制造系统, 2019, 25(第4): 873-881.
[13]	方欢,段瑞,詹悦. 基于后继关系的行为块过程挖掘方法[J]. 计算机集成制造系统, 2019, 25(第4): 901-908.
[14]	黄俊捷,金涛,王建民. 基于遗传算法的临床路径本地化研究[J]. 计算机集成制造系统, 2019, 25(第4): 1001-1009.
[15]	李睿易,鲁法明,包云霞,曾庆田,朱冠烨. 基于药物疗效日志的临床路径挖掘方法[J]. 计算机集成制造系统, 2019, 25(第4): 1017-1025.