一种基于后继任务的过程挖掘算法

过程挖掘的目标是从信息系统所记录的事件日志中重现过程模型.尽管信息系统会生成多种事件日志,但只有很少一部分的事件日志被应用于分析流程.提出一种基于后继任务的新型过程挖掘算法(χ 算法).该算法不仅能够直接从后继任务中挖掘出因果依赖关系,而且能够挖掘出潜在并发关系.其中,因果依赖关系包括显式依赖和隐式依赖(由非自由选择结构产生)两种.另外,χ 算法能够正确地挖掘SWF网、大部分带隐式依赖的非SWF网、一些非良好处理的工作流网和一些含有隐式库所的工作流网.因为χ 算法所使用的事件日志多出了一种新的事件类型———后继任务,所以χ 算法能够处理范围更广的工作流网.     

过程挖掘中一种能发现重复任务的扩展α算法

基于α-算法,提出了能发现工作流日志中重复任务的过程挖掘算法α**,并给出了正确性证明.该算法先通过机器学习的方法分析重复任务的性质,给出了判定重复任务的定理并证明了其正确性;然后使用这些定理判断并标识出日志中的所有重复任务;最后,采用α-算法从标识后的日志中提取出工作流网,并对其进行调整得到包含重复任务的工作流网模型.通过模拟实验验证了算法的有效性,与现有的重复任务挖掘方法的实验结果相比证实了文中提出的方法具有更高的效率.     

aH算法:工作流挖掘中一种能挖掘隐含任务的扩展a算法

正确发现流程实际运作情况对工作流管理有着重要的意义。工作流挖掘抽取系统日志信息,挖掘流程的真实运作模型。其中挖掘隐含任务是工作流挖掘中待研究问题之一。基于a算法,提出了能挖掘隐含任务的挖掘算法aH。分析了隐含任务出现的可能情况,通过判断并行任务的位置关系,往工作流网中添加隐含任务;然后合并相同的隐含任务,去掉冗余隐含任务,以完善结果模型。实现了。算法原型,实验证实了方法的可行性及有效性,并分析了方法的不足之处。     

工作流模型结构化挖掘方法研究

流程挖掘是业务流程管理(business process management,BPM)研究的一项重要内容.提出了一种结构化挖掘方法,实现从事务型日志中挖掘出工作流网.该方法基于工作流模型的4种基本结构(顺序、并行、选择和循环)进行挖掘.定义了可挖掘的工作流模型--结构化工作流网(structural workflow net,SWF),从日志预处理,流程挖掘方法和合理性验证3个方面对挖掘算法进行了详细描述,证明挖掘出的工作流模型满足合理性和安全性的同时,具有可读性和容易理解的特点.     

基于工作流日志的决策规则挖掘研究*

为了挖掘工作流日志中的决策规则信息,分析了工作流日志中的数据属性如何影响工作流实例的路径选择。基于算法挖掘工作流日志过程模型,对过程模型中的决策点进行分析,通过决策树分析技术结合工作流日志中的数据属性挖掘出影响工作流实例路由的决策规则。分析了现实应用中决策规则挖据所遇到的问题,并提出解决算法。最后通过测试程序测试并验证了挖掘过程。测试结果表明该算法能够正确地挖掘出决策规则。     

动态工作流挖掘模型及算法研究

工作流挖掘是工作流再设计与分析的一项关键技术,目的在于从企业已有信息系统的日志记录中提取与实际应用相关的业务流程,从而提高工作流建模的客观性。从实际应用的角度出发,提出基于动态工作流网的挖掘模型,并设计了可行的算法。该算法从零日志开始,在工作流执行期间柔性地构建工作流模型和生成日志记录,动态生成工作流网,在很大程度上解决了常规挖掘方法在挖掘复杂结构效率低、准确性差、依赖完整的日志记录和不支持柔性工作流等方面的问题。算法的实用性在实际应用系统中得到了很好的证明。     

工作流的非邻接模式挖掘算法

为了发现业务执行流程中的潜在知识,提出一种非邻接模式挖掘算法,同时考虑活动和边的发生频率,结合工作流模型和作用日志,以图分析方法挖掘工作流非邻连模式。该算法对候选模式搜索空间进行充分剪枝,以提高运行效率,可以为业务流程的改造和优化提供依据。     

过程挖掘技术的研究与应用

由于业务流程日益复杂多变,并且流程模型设计者对于业务流程的理解主观性较强,大多数通过人工建立的过程模型都与现实情况存在较大偏差,使用过程挖掘技术能够很好地解决这一问题。针对典型的工作流系统中索赔事件流程的日志,对其建模流程进行分析,使用过程挖掘工具Pro M进行挖掘得到对应的过程模型。实验结果表明,通过过程挖掘技术所得到的过程模型与实际的业务流程相符,与人工流程建模相比,提高了效率,降低了成本。     

基于动态工作流网的工作流过程挖掘

挖掘和描述过程日志中的动态信息可以提高工作流过程建模的效率和效果.为此,在工作流网的基础上提出了动态工作流网,进行了合理性分析,并给出了基于此概念的过程挖掘算法.原型系统的实验结果表明,该算法是有效的.     

一种发现非确定选择平行关系的过程挖掘算法

任务间非确定选择平行关系是业务流程中一种普遍存在的流程逻辑关系,利用传统的工作流网建模这种逻辑关系会导致模型中出现重复任务,为过程挖掘带来困难。基于事件日志定义了非确定选择平行关系,结合同步管理器给出了判定非确定选择平行关系的定理以及γ算法。γ算法克服了目前挖掘算法的限制,挖掘流程结构的同时挖掘管理操作行为,加强了过程挖掘的可适用性。实例分析表明了算法的有效性。     

基于Shark的工作流日志迁移研究及其实现

工作流日志数据中可能记录着非常有价值的信息,它们对于流程优化和工作流挖掘具有重要意义.然而,传统工作流系统缺乏对工作流日志迁移的有效支持.基于对工作流日志数据的分析,提出了一种支持日志迁移的分布式工作流系统框架.该框架通过工作流实例数据与历史数据的分离,以实现工作流日志数据的分布式管理.基于开源工作流Shark,通过扩展WfMC相关接口,给出了该框架的实现方案.     

工作流挖掘技术研究综述

现代过程感知的信息系统是由过程模型驱动的,过程建模是系统成功运行的关键因素。工作流挖掘技术旨在通过分析事件日志自动产生过程模型,辅助过程模型的设计与再设计。该文首先介绍了工作流挖掘的概念和一般步骤,然后对国内外工作流挖掘的研究现状作了综述,重点介绍了几种有代表性的过程挖掘算法,最后讨论了工作流挖掘领域目前存在的挑战性问题。     

A Workflow Process Mining Algorithm Based on Synchro-Net

Sometimes historic information about workflow execution is needed to analyze business processes. Process mining aims at extracting information from event logs for capturing a business process in execution. In this paper a process mining algorithm is proposed based on Synchro-Net which is a synchronization-based model of workflow logic and workflow semantics. With this mining algorithm based on the model, problems such as invisible tasks and short-loops can be dealt with at ease. A process mining example is presented to illustrate the algorithm, and the evaluation is also given.     

含噪音处理的工作流挖掘算法在资源规划方面的应用

为了提升业务流程执行效率,提高流程建模的客观性,在考虑日志文件存在噪音的前提下,对结构化工作流模型的四种基本结构进行分析,研究从日志文件中挖掘出流程模型的结构化算法.从获取日志文件信息、提炼简单活动序列、挖掘结构化分支模型和合并最终模型四个部分进行描述,然后以Petri网的形式展现最终模型,最后进行资源负载分析,为决策者进行资源规划提供决策依据,有利于提高资源利用率和流程执行效率,进而提高企业效益.     

基于工作流日志的组织结构挖掘研究*

为了从工作流日志中挖掘组织结构设置和执行者之间的交互信息,分析了工作流日志中的活动执行者的信息,并引入多种距离公制用以刻画日志中活动执行者间的各种关系度的强弱,提出了组织结构的三种挖掘方法,即默认挖掘、基于活动相似度的挖掘和基于过程实例相似度的挖掘。通过以上方法对工作流日志进行组织结构挖掘得到组织网络,组织网络能够客观地反映出参与工作流程的组织实体并正确表示出组织结构。通过一个挖掘实例对挖掘过程进行了验证和说明。     

Discovering Social Networks from Event Logs

Process mining techniques allow for the discovery of knowledge based on so-called “event logs”, i.e., a log recording the execution of activities in some business process. Many information systems provide such logs, e.g., most WFM, ERP, CRM, SCM, and B2B systems record transactions in a systematic way. Process mining techniques typically focus on performance and control-flow issues. However, event logs typically also log the performer, e.g., the person initiating or completing some activity. This paper focuses on mining social networks using this information. For example, it is possible to build a social network based on the hand-over of work from one performer to the next. By combining concepts from workflow management and social network analysis, it is possible to discover and analyze social networks. This paper defines metrics, presents a tool, and applies these to a real event log within the setting of a large Dutch organization.     

Web访问挖掘的预处理技术的研究

Web日志挖掘就是运用数据挖掘技术从Web日志中发现和抽取信息的过程。数据预处理是Web日志挖掘的一个关键环节。对数据预处理的各个环节进行研究,并介绍各个环节中的一些特殊处理方法,根据对Web服务期日志数据格式的分析,对会话概念进行了形式化描述,然后在分析目前会话构造算法的基础上,提出了基于时间和引用的启发式方法来构造会话。     

日志挖掘中的数据预处理

日志信息的预处理是日志挖掘任务中的重要阶段,是当前研究的重点,同时也是整个日志挖掘过程的基础和实施有效挖掘算法的前提,在日志挖掘中起着重要的作用。目前主要的日志挖掘主要采用国外的几种软件,而日志挖掘中重要的数据预处理软件国内暂无。文中主要介绍了数据挖掘中的日志挖掘,分析了数据预处理的过程,以及如何实现日志挖掘中的数据预处理,并在Delphi开发工具中成功完成了IIS文本日志文件到Xls格式及XML格式文件的转换,实现了日志挖掘中的数据预处理。