可解决多种复杂任务的过程挖掘算法

• 论文 •

可解决多种复杂任务的过程挖掘算法

顾春琴，常会友，陶乾，衣杨

1.中山大学信息科学与技术学院，广东广州510275;2.仲恺农业工程学院计算机科学与工程学院，广东广州510225；3.广州大学松田学院，广东广州511370

出版日期:2009-11-15 发布日期:2009-11-25

Process mining algorithm to solve diversified complex tasks

GU Chun-qin, CHANG Hui-you, TAO Qian,, YI Yang

1.School of Information Science & Technology, Sun Yat-sen University, Guangzhou 510275, China;2.School of Computer Scinece & Engineering, Zhongkai University of Agriculture & Engineering, Guangzhou 510225, China;3.Sontan College, Guangzhou University, Guangzhou 511370, China

Online:2009-11-15 Published:2009-11-25

摘要/Abstract

摘要： 为解决事件日志中含有循环任务、重复任务和同一任务的过程挖掘问题，进一步优化企业建模方法，改进了α算法，提出了τ算法。该算法重新定义了任务之间的关联关系，提出启发式判定规则，识别出事件日志中所包含的循环任务、重复任务和同一任务；然后对事件日志进行挖掘，提取出工作流网，并还原挖掘预处理阶段重命名的重复任务和删除的单循环任务，从而得到最终的工作流模型。最后，通过实例验证了τ算法的正确性。

关键词: 过程挖掘, 循环任务, 重复任务, 同一任务, 工作流网

Abstract: To mine process from event log with cycle tasks, repetitive tasks and same tasks, and to optimize enterprise modeling method, an improved mining algorithm called τ-algorithm was presented by improving the α-algorithm. Firstly, the associations among tasks were redefined; heuristic rules were put forward to identify cycle tasks, repetitive tasks and same tasks within event log. By mining event log, WorkFlow (WF) net was extracted. And the ultimate workflow model was obtained by restoring duplicate tasks and single cycle tasks which was renamed and deleted respectively during the period of mining preprocessing. Finally, the correctness of τ-algorithm was verified by example.

Key words: process mining, cycle tasks, repetitive tasks, same tasks, workflow net

中图分类号:

TP301

顾春琴,，常会友，陶乾,,衣杨. 可解决多种复杂任务的过程挖掘算法[J]. .

GU Chun-qin,, CHANG Hui-you, TAO Qian,, YI Yang. Process mining algorithm to solve diversified complex tasks[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.