工作流日志中的工作流模式图挖掘技术研究

工作流挖掘技术能够从系统的执行日志中构建出过程,大部分过程挖掘方法都使用了一种图形化的方式来表示模型,也就是控制流图.讨论了工作流模式图挖掘,它实际上是工作流挖掘的一种扩展;对其中所涉及的问题进行了剖析,并介绍了一种模式图挖掘算法.     

工作流挖掘技术研究

本文首先对工作流挖掘的相关知识做了介绍,然后对国内外工作流挖掘当前研究进展以及已有成果做了总结,简要介绍了几种有代表性的过程挖掘算法.最后展望了工作流挖掘领域目前存在的挑战性问题.     

基于数据仓库的工作流日志更新*

为了对日志统一管理, 引入了数据仓库技术,聚合了来自不同数据源的日志数据, 并对工作流日志进行一系列更新处理后使之变成有规律的信息,工作流挖掘便利用更新后的日志信息进行分析建模,极大地提高了工作效率.     

基于分布式工作流日志挖掘的流程识别算法

为了识别出分布式环境下工作流的执行流程,对分布式工作流管理系统进行了研究,通过对分布式工作流执行站点中XML格式的系统运行日志进行分析,提出了一种增量式工作流挖掘算法。该算法通过对大量工作流执行站点中的活动执行时间序列进行分析与合并,从而重构出分布式环境下的工作流模型。该算法主要由两个重要部分组成:一个是时间序列挖掘算法,用于从工作流执行日志中挖掘出活动间的执行时间序列;另一个是工作流程识别算法,在时间序列挖掘算法得出的活动执行时间序列基础上,识别出结构化的工作流模型。通过实例结果表明了该算法的有效性。     

基于过程挖掘的工作流性能分析

介绍了工作流性能的分析基础和概念。针对复杂和具有非确定性的业务流程,通过基于 工作流日志的工作流过程挖掘算法,得到反映系统基本性能的工作流性能分析网。并应用到具有动 态、模糊控制流程的工作流系统的性能分析中。     

工作流模型挖掘算法及其应用研究

工作流管理系统由工作流模型所驱动,但产业界的实践表明定义工作流模型的工作不仅费时而且易错。工作流挖掘技术能够帮助解决这一问题,并能为现有工作流的分析与优化提供参考。简要介绍三种典型且具有应用价值的工作流模型挖掘算法,并应用其中一种挖掘算法,详细讨论了一个实际的工作流模型挖掘过程。挖掘过程以某Staffware系统的工作流日志文件为起点,包括数据预处理、初始工作流模型挖掘、初始工作流模型化简三个主要步骤,具体实现可通过一个工作流模型挖掘子系统参与完成。     

复杂工作流结构挖掘的研究

提出了基于模拟退火的过程挖掘算法.该算法对工作流模型中包含的非自由选择结构和重名任务进行挖掘,同时在挖掘结果中产生隐含的任务.对本算法进行初步的实现及验证,并分析了算法的效率及优缺点.     

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。     

基于频繁增长模式的工作流过程挖掘方法

工作流管理系统要求能够清楚地表达出业务过程的工作流设计,通常工作流设计非常费时且容易出现错误。过程挖掘的方法从已经发生的业务日志记录中提炼出工作流模型,能方便地设计工作流管理系统。本文提出利用FP-tree(频繁增长模式)方法挖掘过程模型,使之能够有效地解决含有噪音数据的过程挖掘问题。     

工作流挖掘：一种新型工作流自动化建模方法

为解决传统工作流建模方式主观性强、效率低以及成本高等问题，出现一种从工作流日志中自动化推导工作流模型的建模方法，又称工作流挖掘。这种新方法在国际上还处于研究初级阶段，但已引起广泛关注。该文对当前主要研究学者的工作及挖掘算法进行总结，介绍了两种不同类型挖掘算法的具体建模过程，并对其性能进行比较分析，用实例进行解释说明。     

Log-based transactional workflow mining

A continuous evolution of business process parameters, constraints and needs, hardly foreseeable initially, requires a continuous design from the business process management systems. In this article we are interested in developing a reactive design through process log analysis ensuring process re-engineering and execution reliability. We propose to analyse workflow logs to discover workflow transactional behaviour and to subsequently improve and correct related recovery mechanisms. Our approach starts by collecting workflow logs. Then, we build, by statistical analysis techniques, an intermediate representation specifying elementary dependencies between activities. These dependencies are refined to mine the transactional workflow model. The analysis of the discrepancies between the discovered model and the initially designed model enables us to detect design gaps, concerning particularly the recovery mechanisms. Thus, based on this mining step, we apply a set of rules on the initially designed workflow to improve workflow reliability. The work presented in this paper was partially supported by the EU under the SUPER project (FP6-026850) and by the Lion project supported by Science Foundation Ireland under Grant No. SFI/02/CE1/I131.     

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Petri网的流程挖掘算法设计与应用

讨论了利用Petri网对应用系统日志进行建模和分析的方法,给出一个日志过滤、简化及转换模型的方法,提出了一个基于Petri网的专家挖掘算法,其中专家是指对某个业务流程特别熟练的人.以广州地铁法律咨询流程为例,介绍了该流程的建模和模型的简化算法.使用该算法可以有效的对操作人员进行评估和考核,有利于资源的合理配置.最后,以法律咨询流程日志为基础进行了实验,实验结果表明,算法认准率达90%以上,且通过模型简化可有效减低算法时间复杂度.     

踪迹聚类下组织实体的重要度排序方法

针对简单套用交接网络等社会网络分析方式不能很好地反映踪迹聚类生成的一系列流程的组织实体的重要度的问题,提出了一种踪迹聚类下组织实体的重要度排序方法。首先,对于参与踪迹聚类生成的一系列流程的组织实体构建踪迹聚类与组织实体关系网络;其次,定义基于踪迹聚类与组织实体关系网络的节点重要度评估方法;最后,对踪迹聚类下的各个组织实体节点计算其在关系网络中的重要度评分并排序。实验结果表明,所提方法构建的关系网络相比踪迹聚类下的交接网络能够更准确地反映组织实体的实际重要度;与基于拓扑势的网络社区节点重要度排序算法相比,所提方法的节点重要度排序结果更符合实际业务流程,能更好地区分关系网络中重要度不同的节点。     

多步过程挖掘在工作流重构中的应用研究

针对工作流实例偏离预定义模型的实际情况,提出一种基于工作流日志的多步过程挖掘方法,从而实现工作流重构。基于工作流日志构建马尔可夫转移矩阵,定义关系挖掘规则分析过程中的逻辑关系,设计过程挖掘算法建立活动间的实际结构关系,以某电梯企业标梯合同签订流程为例验证方法的可行性和适用性。     

一种基于有向树挖掘Web日志中最大频繁访问模式的方法

提出了一种基于Apriori思想的挖掘最大频繁访问模式的s Tree算法。该算法使用有向树表示用户会话,能挖掘出最大前向引用事务和用户的浏览偏爱路径;使用一种基于内容页面优先的支持度计算方法,能挖掘出传统算法不能发现的特定的用户访问模式;使用频繁模式树连接分层的频繁弧克服了图结构数据挖掘算法中直接连接两个频繁模式树要判断连接条件的缺点,同时采用预剪枝策略,降低了算法的开销。实验表明,s Tree算法具有可扩展性,运行效率比直接采用图结构数据挖掘算法要高。