一种事件日志的批量迹与过程模型的多视角对齐方法技术

本发明专利技术公开了一种事件日志的批量迹与过程模型的多视角对齐方法，包括如下步骤：1)组成事件日志；2)由步骤1)所得的日志模型通过日志模型与过程模型的乘积运算，将事件日志中观察到的活动和过程模型中变迁对应活动之间的比对结果展现在乘积模型的变迁上；3)定义一个变迁系统TS＝(S,A

【技术实现步骤摘要】
一种事件日志的批量迹与过程模型的多视角对齐方法


[0001]本专利技术涉及业务过程管理
，具体涉及一种事件日志的批量迹与过程模型的多视角对齐方法。

技术介绍

[0002]大数据时代背景下，企业的各种信息系统日益庞大与复杂，给业务过程管理带来了新的挑战。从事件日志中提取业务过程的需求逐渐增加，过程挖掘在业务过程管理中发挥着越来越重要的作用。过程挖掘研究对于实施新的业务过程以及分析、改进已实施的业务过程具有重要的意义，是近年来业务过程管理领域的研究热点。过程挖掘主要包括过程发现、一致性检测、过程改进等应用类型。其中，一致性检测将事件日志的事件和过程模型中的变迁进行关联，并且将二者进行比对，目标是找到观察的业务过程行为和业务过程的建模行为之间的共性和差异。
[0003]Rozinat等人提出一种基于托肯重演的一致性检测方法。该方法能用来评价事件日志与过程模型的拟合情况，但不能准确定位导致不一致性的偏差。Adriansyah等人提出对齐方法来发现事件日志与过程模型间的偏差。所有对齐中偏差最少的对齐被称为最优对齐。此后，对齐方法迅速成为一致本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种事件日志的批量迹与过程模型的多视角对齐方法，其特征在于，包括如下步骤：1)从过程感知信息系统中的多个数据源中收集数据，组成事件日志，使用基于区域的迭代挖掘算法得到事件日志中批量迹的活动序列的Petri网模型，称为日志模型，Petri网模型是一个元组SN＝(P,T,F,α,m
i
,m
f
)，其中P是库所的有限集合；T是变迁的有限集合；是有向弧集合，称为流关系；α:T
→
A
τ
是一个变迁到标签的映射函数，τ为不可见变迁，A
τ
＝A∪{τ}表示活动集合A与{τ}的并集；m
i
,m
f
分别是SN的初始标识和结束标识；2)由步骤1)所得的日志模型通过日志模型与过程模型的乘积运算，将事件日志中观察到的活动和过程模型中变迁对应活动之间的比对结果展现在乘积模型的变迁上，日志模型与过程模型的乘积模型定义如下：给定日志模型过程模型过程模型则SN和TN的乘积模型记作Petri网则SN和TN的乘积模型记作Petri网其中：
①
P＝P
SN
∪P
TN
；
②
其中，
‑
T
LM
＝T
SN
∪{＞＞}，为日志移动，
‑
T
MM
＝T
TN
∪{＞＞}，为模型移动，
‑
T
SM
＝{(t1,t2)∈T
SN
×
T
TN
|α
SN
(t1)＝α
TN
(t2)}，为同步移动；
③
F＝{(p,(t1,t2))∈P
×
T|(p,t1)∈F
SN
∨(p,t2)∈F
TN
}∪{((t1,t2),p)∈T
×
P|(t1,p)∈F
SN
∨(t2,p)∈F
TN
}；
④⑤
第
①‑⑤
步分别为获取乘积模型的库所集合、变迁集合、有向弧集合、初始标识集合和结束标识集合；根据日志模型SN和过程模型TN两个Petri网模型乘积的定义，可知乘积模型ST中保留了Petri网SN、TN中所有的库所、变迁和弧关系，若日志模型SN和过程模型TN两个Petri网模型中具有相同标签的变迁，不可见变迁除外，则相应地生成一个新的变迁，则新的变迁继承日志模型SN和过程模型TN两个Petri网模型中变迁上的标签以及它们的弧关系，从而得到乘积模型；3)步骤2)所得的乘积模型为一个Perti网ST＝(P,T,F,α,m
i
,m
f
)，设A是一个活动集合，定义一个变迁系统TS＝(S,A
′
,T
′
)，其中，标识集合S＝R(m
i
)表示从标识m
i
可达的所有标识结点集合，初始标识结点集合S
start
＝{m
i
}，结束标识结点集合S
end
＝{m
f
}，活动集合A
′
＝A且变迁集合变迁集合TS被称为Petri网ST的变迁系统；4)考虑同时从控制流、数据和资源这3个视角进行迹与过程模型的对齐，由于标准多视角代价函数为数据和资源视角分配相同权重，不能根据过程模型的实际业务需求为二者分配不同的权重，因此求得的最优对齐不能符合过程模型业务需求，于是提出了一个新的多视角代价函数，如公式(1)所示：多视角代价函数c(b)表示为移动分配代价值，其中b＝(a,t)是迹与过程模型的对齐中的一个任意移动：
其中，p为变迁t对应的数据和资源约束变量的个数，其中，...

【专利技术属性】
技术研发人员：孙晋永，邓文伟，许乾，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：