基于接口变迁的交互流程模型挖掘方法

流程模型挖掘是基于系统运行记录下的事件日志来还原特征对应流程模型的技术。目前已有的挖掘方法多是基于由系统分解出的不同模块之间交互频繁且模块包含特征较少的场景。在挖掘包含较多特征、交互不频繁的流程模型方面,目前的方法存在一定的局限性。鉴于此,文中提出了基于接口变迁的交互流程模型挖掘方法。首先,利用现有的挖掘方法来挖掘模块内部的特征序,确定初始模块网;其次,遍历事件日志以查找疑似接口变迁;然后,通过挖掘特征网来确定接口变迁,并对接口变迁增加接口库所;最后,基于开放Petri网,利用合成网的观点将交互模块合成为一个完善的流程模型Petri网。通过实例分析,验证了该挖掘方法的有效性。     

基于工作流日志的决策规则挖掘研究*

为了挖掘工作流日志中的决策规则信息,分析了工作流日志中的数据属性如何影响工作流实例的路径选择。基于算法挖掘工作流日志过程模型,对过程模型中的决策点进行分析,通过决策树分析技术结合工作流日志中的数据属性挖掘出影响工作流实例路由的决策规则。分析了现实应用中决策规则挖据所遇到的问题,并提出解决算法。最后通过测试程序测试并验证了挖掘过程。测试结果表明该算法能够正确地挖掘出决策规则。     

一种基于ECA规则的Web Service工作流模型的研究

工作流技术的深入应用要求工作流管理系统增强Web服务功能,基于Petri网工作流过程模型存在无法表述状态变迁过程或状态变迁边缘时刻事件的缺陷.给出了基于ECA规则Web Service工作流模型形式化定义,基于ECA规则的过程模型以事件推动工作流实例的执行,通过严格定义事件的语义来保证工作流的正确执行和监控并支持工作流在运行中修改实例.     

BPMN 2.0过程模型的语义和分析

BPMN 2.0已成为了建模业务过程事实上的标准。BPMN 2.0过程模型中建模元素的混用会产生控制流方面的语义错误。首先,建立了BPMN 2.0过程模型到工作流网的映射,并使用Petri网来形式定义过程模型的语义;其次,借助Petri网的分析技术,使用这种定义的语义对BPMN 2.0过程模型进行了合理性分析。实验结果表明,这种形式化可以识别BPMN 2.0过程模型中的语义错误。     

一种基于诱导规则的Petri网完备日志生成算法

过程挖掘旨在从事件日志中自动抽取过程模型用以支持过程设计和分析,完备日志是过程挖掘算法设计、测试和分析的前提。本文提出了基于Petri网模型行为仿真的完备日志生成算法,在仿真过程中加入基于发生次数及相继关系的诱导规则,即在有多个任务使能的情况下选择触发发生次数少且覆盖新相继关系的任务,使其在尽可能少的实例下产生完备的日志。诱导规则的应用减少了模拟模型发生的各种情况所需的时间,同时也提高了所有情况发生的概率,使得日志的完备性成为可能。     

XML查询方法的设计与研究

提出了用Petri网建立XML语义结构模型的设计方法，根据XML的DTD结构建立描述XML语义结构的Petri网模型，DTD结构中的元素声明和属性声明对应Petri网模型中的一个或一组变迁，声明中的元素或属性对应Petri 网模型中的库所，把XML查询中的路径表达式定义为Petri网库所中的Token。根据Petri网模型的结构生成存储XML数据的关系数据库模型，将XML的查询问题最终转化为数据库中数据的查询操作。 XML；Petri网；路径表达式；查询     

一种基于Petri网的RFID事件检测的形式化方法

无线射频识别(RFID)采用唯一的电子标签识别物理对象,可高速收集大量目标数据.为向各类应用提供语义信息,RFID系统需从收集的数据中检测用户自定义的复合事件.通过提出一种基于Petri网的RFID事件检测方法,引入形式化的ED-net模型描述复合事件语义,并以此为基础实现一种事件检测方法.ED-net模型是对传统Petri网的一种扩展,提供了描述用户自定义类型、函数及表达式的能力,可精确描述RFID复合事件的属性及时域、非时域、参数化等约束条件.通过对RFID事件形式化描述,各种RFID事件可以统一在ED-net模型,并可自动化进行检测处理,避免了不同复合事件间公共子事件重复检测的问题.最后,经过实验测试和分析,验证了该形式化方法的有效性及其优势.     

应急预案流程的Petri网建模方法研究

为了提高应急信息系统模型的语义基础,提出了一种基于Petri网的应急预案流程的建模方法。以ABC模型为上位本体建立了应急预案流程本体,提出了应急预案流程的Petri网建模过程,并定义了应急预案流程中本体和层次Petri网的映射规则。使用该方法对某公路桥梁抢修应急预案流程进行Petri网建模,并通过仿真分析验证了建模方法的有效性。     

基于时间差约束的事件日志合并

在跨企业、跨系统的环境中,流程数据通常记录在单独的事件日志中,这使得无法挖掘完整的端到端的执行流程,因此本算法提出仅使用事件名称以及时间戳属性对日志进行合并。首先分别获取两个系统的过程模型以及根据活动的跨系统跟随依赖关系获得的合并模型,接着将两个系统的流程一对一进行合并并按照时间戳排序,留下与合并模型路径一致的合并流程,然后从这些流程中获得一对一的实例对,即唯一主流程仅与唯一子流程可以合并,再从这些实例对中挖掘活动间的时间约束用于剩余日志的合并,重复最后两步直到所有日志均合并或无法一对一合并日志。该算法在真实的事件日志上进行了实验,达到了满意的合并效果并获得较高的准确率与召回率。     

基于Petri网行为紧密度的有效低频行为模式分析

低频行为模式分析是流程管理的重要内容之一,有效区分低频日志和噪音日志在业务流程过程挖掘中显得尤为重要。目前已有的研究大部分是将流程模型中的低频行为当作噪音直接过滤,但有些低频行为对模型是有效的。文中提出了基于Petri网行为紧密度的有效低频模式分析方法。首先,根据给定的事件日志建立合理的流程模型;然后,通过迭代扩展初始模式来发现流程模型中的所有低频日志序列,并在此基础上计算日志与模型的行为距离向量,利用日志与模型的行为紧密度找出有效的低频行为模式;最后,通过实例分析验证了所提方法的可行性。     

一种基于过程挖掘的业务过程决策规则发现算法

针对现有的决策点规则挖掘研究在挖掘时都只考虑了业务对象等过程外部对象的属性,而忽视了业务过程的内部属性——各决策点间的结构关系——对决策点的分支选择决策的影响,在深入研究过程内部属性提取方法的基础上,提出了一种基于过程挖掘的决策规则发现算法。该算法在挖掘决策规则时综合考虑过程外部对象属性和业务过程内部属性,从而可以更加全面、准确地挖掘决策点决策规则。实验结果证明,该算法能够有效挖掘业务过程决策规则,从而帮助用户更好地分析和理解实际业务过程。     

基于加权FPN的聚驱综合调整系统决策分析

模糊Petri网(Fuzzy Petri Nets, FPN)是一种适合于描述异步并发事件的计算机系统模型,可以有效地对并行和并发系统进行形式化验证和决策分析.针对聚驱综合调整系统知识具有不确定性和模糊性的特点,给出了基于加权模糊产生式规则的加权FPN决策模型.在此模型的基础上,给出了决策推理过程的形式化推理算法.算法考虑了推理过程中的众多约束条件,将复杂的推理过程采用矩阵运算来实现,充分利用了FPN的并行处理能力,使决策推理过程更加简单和快速.并以压裂方式调整为例,说明了该模型具有直观、表达能力强和易于推理等优点,具有较强的实用价值.     

基于GMM的文本规则挖掘的粗糙集方法研究

领域文本具有结构复杂、相似性高以及动态变化等特点,且存在着连续型与离散型并存的混合数据,这在一定程度上限制了知识发现方法对文本规则的挖掘效率。针对这一问题,该文提出了基于GMM与粗糙集的文本规则挖掘方法。该方法首先根据目标数据的属性类型构造信息表;然后利用高斯混合模型(GMM,Gaussian Mixture Model)聚类算法对连续数据进行聚类划分,依此对数据进行离散化及状态约简,并生成决策表;最后利用粗糙集理论对决策表进行属性约简,通过约简表对决策规则进行提取。实验结果表明: 相比于传统的方法,该文方法拥有更高的抽取精度以及较强的属性约简能力,其信息抽取的平均准确率与F₁值能够达到95.0%和95.7%。     

新型决策树构造方法

决策树是一种重要的数据挖掘工具,但构造最优决策树是一个NP-完全问题。提出了一种基于关联规则挖掘的决策树构造方法。首先定义了高可信度的近似精确规则,给出了挖掘这类规则的算法;在近似精确规则的基础上产生新的属性,并讨论了新生成属性的评价方法;然后利用新生成的属性和数据本身的属性共同构造决策树;实验结果表明新的决策树构造方法具有较高的精度。     

带Rough算子的决策规则及数据挖掘中的软计算

文中讨论决策规则及其与演绎推理中的假言推理规则之间的关系,通过数据挖掘中的软计算使决策表中的属性简化和性值区间化,从而找到一种具有广泛表达能力的数据隐含格式,从中选择有代表性的,并删去冗余或过剩的规则,并保持决策表的原有用途和的有性能,我们通过开发一个中医诊疗专家系统的实例说明了这种软计算的过程,并分别用于统计或专家计算带可信度因子的产生式规则和基于Ｒｏｕｇｈ集方法计算带Ｒｏｕｇｈ算子的决策规则两     

基于Rough Set带结论域的关联规则挖掘

论文构建了一种基于RoughSet(RS)带结论域的强关联规则挖掘模型,采用约简决策表和改进的Apriori算法来挖掘关联规则,提高了关联规则的挖掘效率和挖掘质量,提出并实现了带结论域的关联规则挖掘的解决方案。     

Do activity lifecycles affect the validity of a business rule in a business process?

Traditional process mining techniques offer limited possibilities to analyze business processes working in low-predictable and dynamic environments. Recently, to close this gap, declarative process models have been introduced to represent process mining results since they allow for describing complex behaviors as a compact set of business rules. However, in this context, activities of a business process are still considered as atomic/instantaneous events. This is a strong limitation for these approaches because often, in realistic environments, process activities are not instantaneous but executed across a time interval and pass through a sequence of states of a lifecycle. This paper investigates how the existing techniques for the discovery of declarative process models can be adapted when the business process under analysis contains non-atomic activities. In particular, we base our proposed approach on the use of discriminative rule mining to determine how the characteristics of the activity lifecycles in a business process influence the validity of a business rule in that process. The approach has been implemented as a plug-in of the process mining tool ProM and validated on synthetic logs and on a real-life log recorded by an incident and problem management system called VINST in use at Volvo IT Belgium.