论文部分内容阅读
随着大数据技术的发展,信息系统成为管理业务过程的重要工具。过程挖掘技术能够从信息系统产生的事件日志中提取知识,进行过程发现、一致性检测和过程增强。过程发现基于事件日志中包含的信息来构建过程模型,一致性检测用于分析过程模型与事件日志之间是否存在偏差,过程增强利用事件日志对现有的模型进行扩展或改进。模型修复技术作为过程增强的一种应用,能够根据事件日志对过程模型进行修复,使修复后的模型更符合实际的业务过程。业务过程的不断更新,使模型修复的应用越来越广泛。现有的模型修复方法着重于添加自环和子过程,使得到的修复模型变得复杂和冗余。因此,精确定位偏差的位置和提高修复模型的质量,是模型修复的重要研究课题。本文利用逻辑Petri网的特性和活动间的次序关系,针对不同类型的事件日志提出不同的偏差检测和模型修复技术。(1)针对包含新活动的事件日志,且新活动与原有活动之间存在并发关系或顺序关系时,提出了一种基于阶梯矩阵和过程树的偏差检测和模型修复方法,将新活动作为分支添加到模型的并发结构中,或者在模型中构造新的并发结构或顺序结构。首先通过阶梯矩阵发现过程模型和事件日志间的偏差,并生成偏差矩阵,然后借助偏差矩阵和过程树将新活动添加到模型中,从而完成对过程模型的修复。(2)针对包含新活动的事件日志,且新活动与原有活动之间存在选择关系时,提出了一种基于偏差集的偏差检测和模型修复方法。将新活动作为分支添加到模型的选择结构中,或者在模型中构造新的选择结构。使用日志次序集和模型次序集分别记录事件日志和过程模型中的次序关系,通过对比产生偏差集。利用偏差集确定新活动的添加位置,并根据活动间的次序关系添加相应的逻辑表达式,得到基于逻辑Petri网的修复模型。(3)针对不包含新活动的事件日志,且日志中某些活动之间存在并发关系,而其对应模型中变迁之间存在选择关系或顺序关系时,提出了一种基于对比集的偏差检测和模型修复方法,将变迁所在的选择结构或顺序结构替换为并发结构。利用对比集确定模型中存在问题的结构,用正确的结构替换有问题的结构,并添加相应的逻辑表达式描述活动间的关系,有效地实现了模型修复。(4)针对不包含新活动的事件日志,且日志中某些活动属于不同选择分支,而模型只能重演同一选择分支上的活动时,提出了一种基于偏差子日志和过程树的偏差检测和模型修复方法,使过程模型在重演事件日志时,能在选择结构的不同分支间进行跳转。首先利用过程树定位模型中的选择结构,然后在事件日志中筛选出选择偏差子日志。借助选择偏差子日志,在选择结构的不同分支之间添加有向弧,并添加逻辑表达式控制选择分支间的跳转行为,获得基于逻辑Petri网的修复模型。最后,通过仿真实验和比较分析,验证了本文方法的有效性和正确性,并且得到的修复模型在保证高拟合度的同时,具有较理想的简洁度和精确度。