加权Petri网的字符串序列相似性度量

由于现有的流程相似性度量方法大多只关注流程的单一维度,缺乏对流程信息的综合考虑,使得流程检索的准确率还有待提高。在综合考虑结构信息和行为信息下,提出了一种高效率、多维度的加权Petri网的字符串序列的相似性度量方法。该方法首先将事件日志信息加权至Petri网,然后使用广度优先遍历将加权Petri网模型转换为字符串序列,再将该序列分为一个带权重的紧邻变迁对集和一个结构序列并分别计算相似度值,最后加权得到流程之间的相似度值。实验结果表明,该度量方法准确率达到99.51%。另外,该方法在时间复杂度上也有着不错的优势。