-
题名基于足迹矩阵的分解模型挖掘方法
- 1
-
-
作者
刘鑫
王路
王康
刘聪
杜玉越
-
机构
山东科技大学计算机科学与工程学院
山东科技大学电子信息工程学院
山东理工大学计算机科学与技术学院
-
出处
《计算机集成制造系统》
北大核心
2025年第5期1817-1828,共12页
-
基金
国家自然科学基金资助项目(61902222)
山东省泰山学者工程专项基金资助项目(ts20190936,tsqn201909109)
+4 种基金
山东省自然科学基金优秀青年基金资助项目(ZR2021YQ45)
山东省自然科学基金(青年基金)资助项目(ZR2022QF020)
教育部人文社会科学研究项目(青年基金)资助项目(20YJCZH159)
山东省高等学校青创科技计划创新团队资助项目(QC2021948080)
2024年度青岛市社会科学规划研究资助项目(QDSKL2401103)。
-
文摘
模型挖掘是流程挖掘研究的重要领域之一,其目标是通过分析事件日志生成业务流程模型。然而,现有模型挖掘方法在处理大规模日志时效率较低。为更好地分析模型并提高效率,分解模型挖掘成为研究领域的热点,旨在将复杂流程模型分解为更小、更简单的子模型。精简流程结构树(RPST)是一种以有向图为输入,以单入单出片段构成的层次树状结构为输出的图分解技术。但应用RPST挖掘模型在质量上有所欠缺,为克服现有方法的不足并提高模型质量,提出基于足迹矩阵的分解模型挖掘方法。根据日志间次序关系得到足迹矩阵,提出关系精简流程结构树(R-RPST)的概念,用于分解活动间因果依赖图。根据分解后的图片段生成子日志,利用已有挖掘方法得到子模型,最后基于足迹矩阵判断边界活动的分支结构合并子模型。所提方法已基于ProM平台实现,利用BPI Challenge、ETM等公开真实日志及仿真日志与已有模型挖掘方法进行对比实验。结果表明,所提方法时间效率较高,得到的模型质量较高。
-
关键词
模型挖掘
分解
精简流程结构树
足迹矩阵
-
Keywords
process discovery
decomposition
refined process structure tree
footprint matrix
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
-
