一种基于后继关系的行为块过程挖掘方法与流程

本发明属于过程挖掘领域，涉及从后继关系矩阵中发现最小行为块和行为块的组合及发现并利用隐式直接后继关系。

背景技术：

业务流程是企业管理的重要部分，如何从信息系统所记录的日志中获得过程模型成为关键，过程挖掘技术能够从信息系统所记录的事件日志中挖掘出合理且满足人们需求的过程模型。过程挖掘的主要任务就是从事件日志中挖掘业务模型，主要包括分析日志，构建模型，实例重演等，挖掘到的模型应包含日志的所有行为。然而，目前已有的研究多不关注日志中隐藏的行为关系。

在已有的研究结论中，如第一个过程挖掘算法α-算法，利用遗传算法的过程挖掘算法agnes⁺-miner，使用分治策略的inductive-miner算法，不能有效的发现大的循环结构和一些隐藏的行为关系。因此，有必要提出一种新的过程挖掘方法，能够有效的发现大的循环结构，并设计它的挖掘算法。

技术实现要素：

基于背景技术存在的技术问题，本发明提出一种基于后继关系的行为块过程挖掘方法。

主要包括以下步骤：

s1、分析事件日志的后继关系，遍历所有变迁对，并计算后继关系值，建立后继关系矩阵。

s2、分析后继关系矩阵，找出所有最小行为块，包括顺序、选择、并发、循环行为块，其中顺序行为块为一般顺序模式。

s3、依据组合原理组合相同类型的带有重复变迁的最小行为块，得到结构行为块。

s4、依据不同类型行为块的组合原理组合所有行为块，得到初始模型，利用隐式直接后继关系修正初始模型。

附图说明

图1是本发明的实施模型图。

图2是本发明挖掘到的结构行为块。

图3是本发明挖掘到的petri模型图。

图4是基于后继关系的行为块过程挖掘算法步骤图。

具体实施方式

本发明提出后继关系概念，并利用后继关系建立日志的后继关系矩阵，分析矩阵中变迁间对应的值，发现所有的最小行为块和隐藏的行为关系，包括循环行为块。通过组合所有的行为块，得到初始模型，再利用隐藏的行为关系修正初始模型，得到合理且人们需要的模型。

以下结合附图对本发明作进一步的说明。

图1是本发明的实施流程，包括建立后继关系矩阵，组合所有行为块，修正初始模型得到最终模型。

图2是依据一个点外卖app实例日志，挖出出来的结构块，(a)是两个循环行为块组成的结构块，(b)是两个排它行为块组成的结构块，(c)是选择和循环组成的结构块。挖掘行为模式方法如下：

变迁x和y构成选择模式mx,y＝my,x＝mx,x＝my,y＝0且存在变迁x，有x→1x∧x→1y。

图3是组合所有行为块并利用隐含关系修正后得到的模型图，其中深蓝色库所是依据隐式直接后继关系挖掘出来的隐含库所，隐式直接后继关系是日志中隐含的一种行为关系。

图4是基于后继关系的行为块过程挖掘算法步骤图，具体步骤如下：

k-算法：基于后继关系的行为块过程挖掘算法

输入：事件日志l

输出：petri网模型

步骤1：在分析日志之前，对日志进行预处理，包括过滤噪音，处理低频，合并完全相同的实例，得到新的处理过的事件日志l′；

步骤2：遍历处理过的事件日志l′中每条实例(迹)，计算出l′所包含的事件个数n，记为e1,e2,...,en。令1≤i≤n∧1≤j≤n且i，j取整数，计算mij，得出l′的后继关系矩阵ml′；

步骤3：找出所有的最小行为块，并组合带有重复变迁的相同结构的最小行为块，优先找出组合选择、并行和循环行为块，余下满足直接后继关系的即为k-算法需要的顺序行为块。发现是否存在隐式直接后继关系并作记录，此步骤暂时不考虑隐式直接后继关系；

步骤4：依据组合原理，组合所有行为块，包括结构行为块和结构行为块的组合及结构行为块和最小行为块的组合，组合完所有行为块之后即得到初始模型k；

步骤6：提取步骤3的记录，存在则利用发现的隐式直接后继关系修正k，得到模型k′即为挖掘到的过程模型；若不存在，则k即为挖掘到的过程模型。

技术特征：

技术总结
本发明公开一种基于后继关系的行为块过程挖掘方法。本发明依据日志中活动对的后继关系，建立后继关系矩阵，找出顺序、选择、并行、循环模式和隐含行为，达到找出所有行为结构的目的。不同于以往的块挖掘，本发明挖掘每两个活动的结构关系，并依据相同和不同类型行为块的组合原理，组合所有行为块，得到初始模型。本发明还能发现隐式直接后继关系，这是日志中隐含的行为关系，为了得到更精确的模型，本发明利用隐式直接后继关系产生的库所修正初始模型，得到合理且满足人们需要的Petri网模型。构造了基于后继关系的行为块过程挖掘算法，该算法分为6个步骤，可以发现日志中的隐式直接后继关系，提高模型的精确度。

技术研发人员：方欢;段瑞;方贤文;王丽丽
受保护的技术使用者：安徽理工大学
技术研发日：2018.07.24
技术公布日：2018.12.11