一种基于行为特征网的流程模型分解挖掘方法

技术领域

本发明涉及业务流程模型挖掘技术领域，特别涉及一种基于行为特征网的流程模型分解挖掘方法。

背景技术

流程模型挖掘的目的是基于各种信息系统记录的事件日志挖掘流程模型。通常，流程模型的挖掘领域可以被分为3个子领域：流程挖掘、流程一致性检测和流程优化。目前在流程挖掘领域存在一些挖掘算法，-算法、整数线性问题(ILP)挖掘算法、归纳挖掘算法等。

但是这些挖掘算法主要是针对包含活动数目较少的事件日志(日志中包含大约50个不同的活动)进行挖掘，对于包含活动数目较多的事件日志(日志中包含大约200个不同的活动)这些挖掘算法具有一定的局限性。

发明内容

为了使得现存挖掘算法可以更加高效地处理包含活动数目多的事件日志，以及降低挖掘过程的计算复杂度并扩大挖掘算法的适用范围，本发明提供了一种基于行为特征网的流程模型分解挖掘方法，所述方法包括：

S1:基于事件日志确定各活动间的行为足迹关系BF，推得相应的行为矩阵M；

S2:基于所述行为矩阵M结合零值转换规则R计算行为关系图；

S3:划分所述行为关系图中的等价弧产生活动聚类；

S4:基于所述活动聚类过滤出子日志，将所述子日志使用混合ILP挖掘算法挖掘子网；

S5：运用归纳挖掘算法对所述子网添加接口库所形成子网行为特征网，运用开放Petri网将所有所述子网行为特征网合成整网，输出完整的流程模型。

进一步地，所述S1具体包括：

对任意的变迁对(x,y)∈(T×T)，运用直接跟随关系，α算法定义三种行为足迹关系BF＝{→,+,||}，其中→表示严格行为关系，+表示排他行为关系，||表示交叉行为关系；

对活动间三种行为足迹关系的估计强度进行映射(BF

所述映射分为四个类型：(1)若x→y，则M

进一步地，所述S2具体包括：

给定一个零值z∈(-1.00,1.00)，若M

基于行为矩阵M，结合零值转换规则R移除行为足迹关系强度小于阈值z的关系，得到所述行为关系图。

进一步地，所述S4具体包括：

根据所述活动聚类中的活动保留日志中的对应活动，得到所述子日志；

基于所述子日志通过混合ILP挖掘算法，按照所述三种行为足迹关系BF＝{→,+,||}，得到四类映射挖掘出所述子网。

进一步地，所述S5具体包括：

在挖掘的所述子网添加开始活动

将子日志活动根据所述足迹关系BF＝{→,+,||}分解为子活动过程，在每个所述子活动过程中添加接口库所挖掘出所述子网行为特征网；

将所述子网行为特征网通过开放Petri网合成整网后移除开始活动

本发明实施例提供的技术方案带来的有益效果是：本发明中，通过行为特征网处理事件日志，从而分解挖掘流程模型，首先基于活动日志确定日志中各活动间的行为足迹关系，推得相应的行为矩阵，然后，结合行为矩阵计算推得行为关系图，从而产生活动聚类，其次，通过现存挖掘算法过滤子日志挖掘出子网，并对子网添加接口库所形成子网行为特征网，接着，在行为特征网的基础上，运用开放Petri网合成网的观点合成整网，以此挖掘流程模型；从而将现有的挖掘算法运用于子日志集，而不是整个系统的完整日志，其中子日志包含的活动数远小于完整日志中的活动数，这就使得现存的挖掘算法可以更高效地用于流程模型挖掘，在一定程度上降低了挖掘过程中的计算复杂度。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提供的一种基于行为特征网的流程模型分解挖掘方法的流程图；

图2是本发明提供的一种挖掘活动聚类的流程图；

图3是本发明提供的一种挖掘完整流程模型的流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

参见图1，一种基于行为特征网的流程模型分解挖掘方法，适合处理包含活动数目较多的事件日志(日志中包含大约200个不同的活动)，具体包括以下步骤：

步骤(1)：基于事件日志L确定各活动间的行为足迹关系BF，推得相应的行为矩阵M。

需要说明的是，参见图2，步骤(1)中对任意的变迁对(x,y)∈(T×T)，运用直接跟随关系，α算法定义三种行为足迹关系BF＝{→,+,||}，其中→表示严格行为关系，+表示排他行为关系，||表示交叉行为关系；

对活动间三种行为足迹关系的估计强度进行映射(BF

步骤(2)：基于行为矩阵M结合零值转换规则R计算行为关系图。

需要说明的是，参见图2，步骤(2)中R为一个零值转换规则，给定一个零值z∈(-1.00,1.00)，若M

基于行为矩阵M，结合零值转换规则R移除行为足迹关系强度小于阈值z的关系，即，保留大于阈值z的行为足迹关系，否则将被删除，得到行为关系图。

步骤(3)：划分行为关系图中的等价弧产生活动聚类。

需要说明的是，从一个行为矩阵中挖掘一个初始活动聚类，要求这些活动聚类通过在行为关系图的弧上分配一个等价类产生，对于这个等价类，任意两条弧等价当满足以下条件之一时：(1)同输入弧：两条弧有相同的开始节点；(2)同输出弧：两条弧有相同的终止节点。

步骤(4)：基于活动聚类过滤出子日志，将子日志使用混合ILP挖掘算法挖掘子网。

需要说明的是，参见图3，步骤(4)中，根据活动聚类中的活动保留日志中的对应活动，得到子日志；基于子日志通过混合ILP(混合归纳逻辑)挖掘算法，按照上述述三种行为足迹关系BF＝{→,+,||}，得到四类映射挖掘出子网。

步骤(5)：运用归纳挖掘算法对子网添加接口库所形成子网行为特征网，运用开放Petri网将所有子网行为特征网合成整网，输出完整的流程模型。

需要说明的是，参见图3，步骤(5)中，在挖掘的子网添加开始活动

值得说明的是，本发明中，通过行为特征网处理事件日志，从而分解挖掘流程模型，首先基于活动日志确定日志中各活动间的行为足迹关系，推得相应的行为矩阵，然后，结合行为矩阵计算推得行为关系图，从而产生活动聚类，其次，通过现存挖掘算法过滤子日志挖掘出子网，并对子网添加接口库所形成子网行为特征网，接着，在行为特征网的基础上，运用开放Petri网合成网的观点合成整网，以此挖掘流程模型；从而将现有的挖掘算法运用于子日志集，而不是整个系统的完整日志，其中子日志包含的活动数远小于完整日志中的活动数，这就使得现存的挖掘算法可以更高效地用于流程模型挖掘，在一定程度上降低了挖掘过程中的计算复杂度。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。