基于因果行为轮廓的流程变体聚类挖掘方法

由于应用的更改和流程模型的自适应性,导致现实应用中存在大量来自同一模型的流程变体。这些流程变体在结构功能上存在诸多共同之处,但至少存在一些细节结构相互区分,配置和维护这些流程变体非常困难。为实现使用较少的系统模型来描述流程变体,提出一种流程变体聚类挖掘算法。首先结合因果行为轮廓的概念将变体模型矩阵化,然后应用加权余弦相似度来聚类活动并确定它们之间的行为关系,最后通过反复迭代直到聚类所有活动,得到一个目标参考流程模型,该模型比原参考模型更容易配置不同的流程变体。仿真实验中,将该算法和传统的流程挖掘算法,以及经典的启发式算法进行对比,结果表明了该算法在挖掘参考模型方面的可行性和有效性。