一种基于滑窗的增量式过程挖掘算法1.pdfVIP

一种基于滑窗的增量式过程挖掘算法1 1,2 2 1,2 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) 摘要 演化过程的执行日志包含了不同时刻系列模型的执行轨迹，而传统过程挖掘算法针对静态模型和静态日 志进行设计，不能直接用于演化过程的发现。本文提出一种过程挖掘算法，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，并引入日志事件关系计数和阀值机制，实现对事件日志流进行持续挖掘，能够发现模 型演化的历史及当前的业务过程模型。最后分析了复杂度等算法性质，以及影响挖掘结果的相关因素，并进行 了实验验证。 关键词 过程挖掘; 演化过程; 滑窗算法 中图分类号 TP311 文献表示码 A An incremental algorithm for process mining based-on sliding window 1,2 2 1,2 ZHA Hai-ping , WANG Jian-ming , SUN Jia-guang (1. Dep. of Computer ST, Tsinghua Univ., Beijing 100084, China; 2. Sch. of Software, Tsinghua Univ., Beijing 100084, China) Abstract Most existing process mining algorithms are designed for static models and static event logs, not available for mining evolutionary processes immediately. This paper proposes an incremental mining algorithm, which applies a sliding window to event log stream, and introduces event-relation count and event-relation threshold techniques. The algorithm can get a series of models corresponding to evolutionary event logs, and keep working with time and space efficiency. Experiments are done to valuate the discovery capacity and properties of the algorithm. Key word process mining, evolution process, sliding window algorithm 1 引言 业务需求总处于不断变化之中，尽管当初业务过程模型经过了精心设计，但是随着需求的变化，实际业务 过程执行会逐渐偏离原有过程模型，其表现如更频繁的异样出现，或是需要更多的人工干预等。如何及时发现 业务过程执行偏离，并推荐更符合当前业务需求的过程模型，是适应性工作流系统面临的问题，而过程挖掘技 术为解决这一问题提供了一种选择手段。 过程挖掘通过系统的事件日志，自动产生过程模型[1]，过程挖掘技术可以用于辅助过程建模、过程模型再 发现以及过程执行监控等方面。传统的过程挖掘研究多集中在过程的辅助建模上，文献[2]对事件日志进行事 件级的拆分，然后通过对日志中的事件逻辑关系的综合分析，构造符合事件日志的过程模型；文献[3，4 ，5] 先对事件日志进行实例级的聚合操作，然后通过统计分析和推理的办法，得出覆盖所有事件日志的过程模型。 以上几种典型过程挖掘算法的共同特点是： （1）假设过程模型是一成不变的，没有考虑日志可能来自不同时期的系列模型； （2 ）针对静态的日志库进行设计，如果日志更新，则需要对更新后的日志进行重新的扫描。 然而，