CN109086385A - 一种基于Petri网的业务流程低频行为挖掘方法 - Google Patents
一种基于Petri网的业务流程低频行为挖掘方法 Download PDFInfo
- Publication number
- CN109086385A CN109086385A CN201810832938.8A CN201810832938A CN109086385A CN 109086385 A CN109086385 A CN 109086385A CN 201810832938 A CN201810832938 A CN 201810832938A CN 109086385 A CN109086385 A CN 109086385A
- Authority
- CN
- China
- Prior art keywords
- behavior
- log
- low frequency
- model
- net
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Debugging And Monitoring (AREA)
Abstract
一种基于Petri网的业务流程低频行为挖掘的新方法,涉及基于流程树切的低频行为发现与优化,以及基于通讯行为轮廓的Petri网模型的优化。首先根据通讯行为轮廓建立初始流程模型,用流程树切的直接流图表示日志的行为关系,并与初始模型做匹配,发现所有的低频序列;然后,计算日志与模型的行为距离向量,基于行为紧密度区分有效低频日志和噪音日志,过滤噪音日志;其次,根据过滤后的优化日志建立模块网和特征网,融合模块网和特征网,从而得到优化的业务流程Petri网模型。本发明提出了挖掘低频行为的新方法,利用不同模块间的行为属性有效地解决了在业务流程中区分低频行为和噪音行为的问题,避免了过程挖掘中因忽略低频行为而导致影响业务流程的结构。
Description
技术领域
本发明属于电子商务信息技术领域,涉及业务流程挖掘中一种低频行为的挖掘与优化方法,包括基于流程树切挖掘与优化低频行为和基于通讯行为轮廓的业务流程Petri网模型的优化方法。
背景技术
目前,业务流程管理在很多领域占据着至关重要的作用,它不仅确保企业的正常运行,还可以为企业准确、高效地运行提供保障。低频行为的研究是业务流程管理的重要内容之一,在实际生活中,大部分的研究基本是以事件日志记录业务过程的完整行为为基础,进而来挖掘业务流程模型。业务流程模型中不可避免地包含低频行为,尤其是不同模块间交互的业务流程Petri网模型,这些低频行为由于发生频数较低往往被作为无序事件、记录错误、异常行为或者噪音而被删除掉。
已有的挖掘方法在处理低频行为的过程中,多是直接忽略低频行为,或者从数据属性研究低频行为,较少根据不同模块间通讯特征的行为属性来分析低频行为。然而有些低频行为虽然出现频率较低,但是对流程管理也很重要,直接删除低频行为会使业务过程模型遗失部分规则的行为,不能充分达到需求者的目的需求,并会影响业务流程的结构。为了得到一个易于理解且操作效率较高的业务流程Petri网模型,需要对低频行为进行区分。考虑事件日志间的行为属性,挖掘发现业务流程中存在的所有低频行为,利用行为语义区分有效低频行为和噪音,过滤噪音,从而得到优化的业务流程Petri网模型。
发明内容
本发明所要解决的技术问题是:提供一种基于通讯行为轮廓的低频行为挖掘与优化的方法,并在此基础上挖掘优化的业务流程Petri网模型。
为解决以上技术问题,本发明采用如下的技术方案:
预处理给定的事件日志,分析各个变迁对之间的行为轮廓关系,根据日志序列大小,建立初始流程模型。
运用流程树切将事件日志划分为一些小的日志,将这些子日志的行为关系用流程切的直接流图表示出来,将直接流图的序列关系与初始模型作匹配,挖掘所有低频行为。
提取低频日志,求出模型与日志对应变迁的最小k阶继承关系,计算日志与模型的行为距离向量。
计算日志与模型的行为紧密度,根据给定的紧密度阈值,如果紧密度值大于等于该阈值,则为有效低频日志,保留下来;如果紧密度值小于该阈值,则为噪音日志,直接过滤。
根据以上方法,过滤噪音日志,即过滤噪音日志的直接流图和最终跟随图的低频序列,得到包含有效低频日志的优化事件日志集,根据处理后的事件日志及通讯行为轮廓关系,将系统分解为不同的模块,基于域的方法与优化事件轨迹集挖掘相应的模块网。
不同的模块之间存在交互行为,并且事件之间的特征不仅能接受信息也能传递信息,重构事件之间的内部行为,依据通讯行为轮廓关系,接口库所、接口库所与特征之间的流关系构建模块网间的特征网。
模块网可反映模块内部行为,特征网可反映不同模块之间的特征交互,故将模块网与特征网交互通讯,可得到优化的业务流程Petri模型。
附图说明
图1是本发明的一种实施的流程图。
图2是本发明的低频行为挖掘与优化的步骤图。
图3是本发明的业务流程优化Petri网模型的挖掘步骤图。
具体实施方式
本发明提出基于通讯行为轮廓关系预处理事件日志,建立初始模型,运用流程树切的行为关系匹配初始模型挖掘低频行为,计算日志与模型的行为紧密度,根据紧密度阈值区分低频行为和噪音。在此基础上根据不同模块间的行为属性建立模块网和特征网,交互融合得到优化的业务流程Petri网模型。
以下结合附图对本发明作进一步的说明。
图1是本发明的一种实施的流程,包括低频行为的挖掘与优化和挖掘优化的业务流程Petri网模型。如图所示,预处理事件日志,基于通讯行为轮廓关系建立初始流程模型,用流程树切的直接流图表示日志的行为关系并与初始模型做匹配,发现所有的低频序列。根据行为紧密度阈值区分低频行为与噪音,过滤噪音。根据不同模块间的优化日志建立模块网和特征网,融合得到优化的业务流程Petri网模型。
图2描述了低频行为的挖掘与优化的具体步骤,预处理给定的事件日志L={τ1,τ2,...,τn},根据日志间的活动关系和通讯行为轮廓关系(→C,||C,+C)Com建立初始模型M0,对给定的事件日志用流程树切(设Li(i=1,2,...,n)为流程模型CP=(S,T,F,c)对应的事件日志,S(T)为关于变迁T的迹,L∈S(T),c∈SUT,如果变迁对其中F+为流关系F的传递闭包,那么c为流程树切)进行划分,把事件日志中活动对的关系用带切关系的直接流图表示出来,将直接流图的序列关系与初始流程模型M0的序列关系进行匹配,找出所有无匹配项的直接流图的序列关系,即为该事件日志中所包含的低频行为;提取低频行为包含的低频日志Ti,i=1,2,...,m,求出模型与日志对应变迁的最小k阶继承关系即求出日志的行为距离向量{l1,l2,...,li,...,lm}和模型的行为距离向量{k1,k2,...,ki,...,km};求出日志与模型行为紧密度的值,根据给定的紧密度阈值θ,如果紧密度值ξ(Ti,M)≥θ,则该低频日志为有效低频日志,如果ξ(Ti,M)<θ,则将该低频日志视为噪音,过滤噪音日志的直接流图和最终跟随图的低频序列,保留有效低频日志。
图3是业务流程优化Petri网模型的挖掘步骤图,根据包含有效低频日志的优化事件日志集,根据日志之间的变迁对ti,tj的关系,分析各个活动事件之间的行为关系,建立通讯行为轮廓表;将系统分解为不同的模块,构建相应的模块网M1,M2,...,Mn,找出接口库所I={pA-F|A→F},O={pF-A|F→A}和接口库所与特征之间的流关系 构建模块网之间的特征网MF,挖掘得到的模块网M1,M2,...,Mn和特征网MF进行交互通讯,融合得到优化的业务流程模型。
Claims (3)
1.一种基于Petri网的业务流程模型低频行为挖掘方法,包括基于流程树切挖掘与优化低频行为和基于通讯行为轮廓的Petri网模型优化方法,其特征在于:通过预处理事件日志挖掘初始流程模型,用带切关系的直接流图与初始模型做匹配,发现低频行为。基于日志与模型的行为紧密度区分有效低频日志和噪音日志,过滤噪音日志。根据优化后的日志通过不同模块间的通讯特征挖出模块网和特征网,将模块网和特征网进行交互通讯,得到一个优化的业务流程通讯模型。
2.根据权利要求1所述的基于流程树切挖掘与优化低频行为的方法,其特征在于:所述的挖掘方法是根据通讯行为轮廓关系,运用流程树切将事件日志划分为一些小的日志,将这些子日志的行为关系用流程切的直接流图表示出来,并与初始模型作匹配来挖掘低频行为,这种方法具有简洁性和合理性;然后由行为紧密度的阈值对低频行为和噪音进行区分,过滤噪音,优化事件轨迹集,从而得到优化的事件日志。
3.根据权利要求1所述的基于通讯行为轮廓的Petri网模型优化方法,其特征在于:所述的方法是根据不同模块间的通讯特征,利用优化日志中的模块日志建立模块网,根据特征日志及模块间的通讯行为轮廓建立特征网,融合模块网和特征网,进而挖掘出优化的业务流程模型,提高系统或企业的运行效率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810832938.8A CN109086385A (zh) | 2018-07-26 | 2018-07-26 | 一种基于Petri网的业务流程低频行为挖掘方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810832938.8A CN109086385A (zh) | 2018-07-26 | 2018-07-26 | 一种基于Petri网的业务流程低频行为挖掘方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109086385A true CN109086385A (zh) | 2018-12-25 |
Family
ID=64830998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810832938.8A Pending CN109086385A (zh) | 2018-07-26 | 2018-07-26 | 一种基于Petri网的业务流程低频行为挖掘方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109086385A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112069136A (zh) * | 2020-08-28 | 2020-12-11 | 山东理工大学 | 一种突发事件应急处置流程外包模型挖掘方法 |
CN112579574A (zh) * | 2020-12-25 | 2021-03-30 | 上海交通大学 | 一种基于事件日志的可配置流程挖掘方法及系统 |
CN115525693A (zh) * | 2022-09-20 | 2022-12-27 | 山东理工大学 | 面向增量事件日志的流程模型挖掘方法与系统 |
-
2018
- 2018-07-26 CN CN201810832938.8A patent/CN109086385A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112069136A (zh) * | 2020-08-28 | 2020-12-11 | 山东理工大学 | 一种突发事件应急处置流程外包模型挖掘方法 |
CN112579574A (zh) * | 2020-12-25 | 2021-03-30 | 上海交通大学 | 一种基于事件日志的可配置流程挖掘方法及系统 |
CN115525693A (zh) * | 2022-09-20 | 2022-12-27 | 山东理工大学 | 面向增量事件日志的流程模型挖掘方法与系统 |
CN115525693B (zh) * | 2022-09-20 | 2024-02-06 | 山东理工大学 | 面向增量事件日志的流程模型挖掘方法与系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021103492A1 (zh) | 一种企业经营风险预测方法和系统 | |
CN103853821B (zh) | 一种面向多用户协作的数据挖掘平台的构建方法 | |
CN109086385A (zh) | 一种基于Petri网的业务流程低频行为挖掘方法 | |
CN102880684B (zh) | 基于日志记录挖掘与组合验证的工作流建模方法 | |
CN105657039A (zh) | 一种基于大数据的电厂设备故障快速定位系统和方法 | |
CN106021260A (zh) | 在多个运行时产物中搜索至少一个关系模式的方法和系统 | |
CN101151843B (zh) | 一种文本数据挖掘方法 | |
CN112181960B (zh) | 一种基于AIOps的智能运维框架系统 | |
CN102915423B (zh) | 一种基于粗糙集和基因表达式的电力业务数据过滤系统及方法 | |
CN106503872A (zh) | 一种基于基础业务活动集的业务流程系统构建方法 | |
CN114598539A (zh) | 根因定位方法、装置、存储介质及电子设备 | |
CN109951306A (zh) | 告警的处理方法、装置、设备及介质 | |
CN106327323A (zh) | 银行频繁项模式挖掘方法及挖掘系统 | |
CN106407429A (zh) | 文件追踪方法、装置及系统 | |
CN112839039A (zh) | 一种网络威胁事件攻击场景交互式自动还原方法 | |
CN114281864A (zh) | 一种面向电力网络告警信息的关联分析方法 | |
US11334626B1 (en) | Hybrid graph and relational database architecture | |
CN106557881A (zh) | 一种基于业务活动执行顺序的业务流程系统构建方法 | |
Poelmans et al. | A case of using formal concept analysis in combination with emergent self organizing maps for detecting domestic violence | |
CN113254517A (zh) | 一种基于互联网大数据的服务提供方法 | |
CN112069136A (zh) | 一种突发事件应急处置流程外包模型挖掘方法 | |
CN105138445A (zh) | 基于概率行为关系挖掘业务流程中不可见任务的新方法 | |
CN116015939A (zh) | 一种基于原子技术模板的高级持续威胁解释方法 | |
CN112528038B (zh) | 基于多层图结构担保联通体唯一性识别方法、设备及介质 | |
Bántay et al. | Frequent pattern mining-based log file partition for process mining |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181225 |