一种并行化的启发式流程挖掘算法

被引：16

作者：

鲁法明 ^{[1
,2
]}

曾庆田 ^{[3
,1
]}

段华 ^{[4
]}

程久军 ^{[2
]}

包云霞 ^{[4
]}

机构：

[1] 山东科技大学信息科学与工程学院

[2] 嵌入式系统与服务计算教育部重点实验室(同济大学)

[3] 山东科技大学电子通信与物理学院

[4] 山东科技大学数学与系统科学学院

来源：

软件学报 | 2015年 / 26卷 / 03期

关键词：

流程挖掘; 启发式挖掘算法; 长距离依赖关系; 案例模型; 案例簇;

D O I：

10.13328/j.cnki.jos.004769

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

启发式流程挖掘算法在日志噪音与不完备日志的处理方面优势显著,但是现有算法对长距离依赖关系以及2-循环特殊结构的处理存在不足,而且算法未进行并行化处理.针对上述问题,基于执行任务集将流程模型划分为多个案例模型,结合改进的启发式算法并行挖掘各个案例模型所对应的C-net模型;再将上述模型集成得到完整流程对应的C-net.同时,将长距离依赖关系扩展为决策点处两个任务子集之间的非局部依赖关系,给出了更为准确的长距离依赖关系度量指标和挖掘算法.上述改进措施使得该算法更为精确、高效.

引用

页码：533 / 549

页数：17

共 6 条

[1] 基于流程案例簇的任务关系挖掘算法 [J].

鲁法明 ;

曾庆田 ;

包云霞 ;

段华 ;

张昊 .

计算机集成制造系统, 2013, 19 (08) :1771-1783

[2]

Process mining: from theory to practice[J] . Chris J. Turner,Ashutosh Tiwari,Richard Olaiya,Yuchun Xu.Business Process Management Journal . 2012 (3)

[3] Mining process models with prime invisible tasks [J].

Wen, Lijie ;

Wang, Jianmin ;

van der Aalst, Wil M. P. ;

Huang, Biging ;

Sun, Jiaguang .

DATA & KNOWLEDGE ENGINEERING, 2010, 69 (10) :999-1021

[4] Mining process models with non-free-choice constructs [J].

Wen, Lijie ;

van der Aalst, Wil M. P. ;

Wang, Jianmin ;

Sun, Jiaguang .

DATA MINING AND KNOWLEDGE DISCOVERY, 2007, 15 (02) :145-180

[5]

Genetic process mining: an experimental evaluation[J] . A. K. A. Medeiros,A. J. M. M. Weijters,W. M. P. Aalst.Data Mining and Knowledge Discovery . 2007 (2)

[6]

Process mining:discovery,con-formance and enhancement of business processes. VAN DER AALST W M P. Springer-Verlag . 2011

← 1 →