CN114722960A - 一种业务过程事件日志不完整轨迹检测方法与系统 - Google Patents

Abstract

本发明公开了一种业务过程事件日志不完整轨迹检测方法与系统，包括：1)获取标准化事件日志；2)根据标准化事件日志，抽取标准化事件日志中存在的轨迹建立数据集，并划分训练集和测试集；3)将训练集按照最后一个事件以及事件发生频率进行特征提取；4)将提取的特征进行独热编码，并更新至训练集；5)将编码后的特征值输入到CatBoost机器学习模型进行迭代训练及参数优化，从而获得最优CatBoost机器学习模型；6)将测试集输入到最优CatBoost机器学习模型中进行测试，最终检测出数据集中存在的不完整轨迹。本发明通过对业务过程事件日志中不完整轨迹的检测，提高了事件日志的可用质量，为后续业务过程的建模及优化奠定基础。

Description

一种业务过程事件日志不完整轨迹检测方法与系统

技术领域

本发明涉及业务流程管理技术领域，尤其是指一种业务过程事件日志不完整轨迹检测方法与系统。

背景技术

市场竞争促使企业改变传统的管理运作方式，在企业内部建立信息系统管理机制，以支持业务流程的执行和事件日志的记录。近年来，过程挖掘技术使信息系统能更好的分析其业务流程，帮助企业提供新的监测和改进手段，以更好的适应和满足不断变更的市场需求。

过程发现是过程挖掘的核心任务，其目的是从业务过程运行产生的事件日志中发现过程模型。当前过程挖掘算法都是假定事件日志中所包含的轨迹是完整的，然而，在现实生产生活中，由于系统崩溃、数据采集仪器故障或者数据传输等外在因素可能会导致日志数据丢失，日志可能是不完整的，或者反映了其他不正确的行为。不完整数据的存在会降低事件日志的可靠性和可用质量，从而对过程挖掘的结果造成负面影响。

为了限制其带来的负面影响，通常要对事件日志进行预处理。然而，预处理是一项具有挑战且耗时的任务，尤其是在包含复杂行为的大型日志条件下。大多数关于事件日志检测及过滤的相关工作都需要用户事先了解过程挖掘领域的相关知识才能返回结果，因此，潜在的改进在于能够找到一种通用的技术，以便发现和解释流程中的不正确行为。

发明内容

本发明的第一目的在于克服现有技术的缺点与不足，提出了一种业务过程事件日志不完整轨迹检测方法，能准确检测日志中的不完整轨迹，进而提高事件日志的可用质量，为业务流程的管理及优化奠定基础。

本发明的第二目的在于提供一种业务过程事件日志不完整轨迹检测系统。

本发明的第一目的通过下述技术方案实现：一种业务过程事件日志不完整轨迹检测方法，包括以下步骤：

1)获取标准化事件日志，该标准化事件日志中记载了相关的业务流程，包含轨迹、事件和事件时间戳；

2)根据步骤1)中获得的标准化事件日志，抽取标准化事件日志中存在的轨迹建立数据集，并将数据集划分为训练集和测试集；

3)将步骤2)中获得的训练集按照最后一个事件以及事件发生频率进行特征提取；

4)将步骤3)中提取的特征进行独热编码，并更新至训练集，使编码后的特征值能够代表此特征；

5)将步骤4)中编码后的特征值输入到CatBoost机器学习模型进行迭代训练，并对模型参数进行优化，在达到设定迭代次数后，获得最优CatBoost机器学习模型；

6)将测试集输入到步骤5)获得的最优CatBoost机器学习模型中进行测试，最终检测出数据集中存在的不完整轨迹。

进一步，在步骤1)中，将事件日志中多余的属性删除，只保留轨迹、事件和事件时间戳，从而构成标准化事件日志；所有事件日志均通过4TU平台来获取。

进一步，在步骤2)中，根据步骤1)获得的标准化事件日志，抽取标准化事件日志中的轨迹并构建数据集，具体步骤如下：

2.1)遍历事件日志，当访问到轨迹标识时，抽取该条轨迹；

2.2)建立集合E，将步骤2.1)抽取的轨迹输入到集合E中，建立数据集；

2.3)将步骤2.2)得到的数据集以70％比例当作训练集，余下的30％当作测试集进行划分。

进一步，在步骤3)中，将步骤2)中获得的训练集按照最后一个事件以及事件发生频率进行特征提取，具体如下：

最后一个事件：遍历每条轨迹，当访问到最后一个事件标识时，抽取该事件，并将其记录到结束事件列表中；

事件发生频率：遍历每条轨迹，并对轨迹中存在事件进行计数，当访问到相同事件时，计数器加1，待每条轨迹遍历完成后，将计数器的最大值记录到事件列表中。

进一步，在步骤4)中，选用独热编码的方法对步骤3)提取的特征进行编码，并将编码后的特征更新到步骤2)处理后的训练集中，其中，所述独热编码是将分类变量映射为整数数值，并使每个数值以二进制向量的形式进行表示。

进一步，在步骤5)中，将步骤4)中编码后的最后一个事件以及事件发生频率两种不同类型的特征值输入到CatBoost机器学习模型中进行迭代训练，即首先为轨迹的每个前缀长度生成一个输入样本和一个目标值，输入样本代表模型中进程的当前状态，目标值是一个二进制类别标签，当检测到当前轨迹为不完整轨迹时，目标样本为“true”，否则为“false”，一旦将输入样本映射到特征空间中，就能够将其与目标样本一起反馈到模型中；最后，根据模型训练得到的曲线下面积对模型质量进行评估，并进行模型参数调整，从而获得最优且不同特征的CatBoost机器学习模型。

进一步，在步骤6)中，将测试集输入到步骤5)获得的最优且不同特征的CatBoost机器学习模型中，以检测出不同特征情况下数据集存在的不完整轨迹。

本发明的第二目的通过下述技术方案实现：一种业务过程事件日志不完整轨迹检测系统，包括：

数据预处理模块，用于将事件日志中多余属性删除，只保留轨迹、事件和事件时间戳，从而构成标准化事件日志，该标准化事件日志记载了相关业务流程；

数据生成模块，用于抽取和构建数据预处理模块获得的标准化事件日志中存在的轨迹数据集，并将数据集划分为训练集和测试集；

特征提取模块，用于提取训练集中最后一个事件以及事件发生频率的特征；

特征编码模块，用于对特征提取模块中的特征进行有针对性编码；

模型训练模块，用于将特征编码模块获取的特征值输入到CatBoost机器学习模型中进行迭代训练，在达到设定迭代次数后，获得最优的CatBoost机器学习模型；

检测结果输出模块，用于将测试集输入到模型训练模块获得的最优的CatBoost机器学习模型中进行验证，从而检测数据集中是否存在不完整轨迹，并输出检测结果。

本发明与现有技术相比，具有如下优点与有益效果：

1、本发明通过使用高准确性的机器学习算法进行检测，相较于传统的方法，在检测准确性上得到了明显的提升，从而为业务过程管理人员提供更有利的决策依据。

2、本发明通过机器学习方法训练模型来检测事件日志中的不完整行为，通过抽取对检测任务有决定性影响的特征信息便能发现流程中的不正确行为，不需要额外的数据结构，提高了程序效率。

3、本发明在不需要事先了解过程挖掘领域相关知识的前提下，提出了一种通用的不完整轨迹检测分类技术，能降低事件日志的复杂程度，为模型的进一步挖掘和改造提供了支撑。

4、本发明在不增加计算成本的情况下，能够帮助业务流程管理人员提取有用知识，从而提高已有日志数据建模的质量。

5、本发明在业务过程管理及优化任务中具有广泛的使用空间，操作简单、适应性强，在提高事件日志可用质量方面有广阔前景。

附图说明

图1为本发明方法逻辑流程示意图。

图2为本发明特征提取的示意图。

图3为本发明基于机器学习算法的不完整轨迹检测框架图。

图4为本发明不完整轨迹检测效果对比图。

图5为本发明不完整轨迹检测效率对比图。

图6为本发明系统架构图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例1

如图1所示，本实施例公开了一种业务过程事件日志不完整轨迹检测方法，首先，获取标准化事件日志；其次，将得到的标准化事件日志划分为训练集和测试集；然后，将训练集按照最后一个事件以及事件发生频率进行特征提取，并进行编码；随后，将编码后的特征值输入到CatBoost机器学习模型进行迭代训练，并对模型参数进行优化，在达到设定迭代次数后，获得最优CatBoost机器学习模型；最后，将测试集输入到最优的机器学习模型中进行验证以得出数据集中存在的不完整轨迹；其具体过程如下：

1)通过4TU平台获取事件日志，将事件日志中多余的属性删除，只保留轨迹、事件和事件时间戳，从而构成标准化事件日志，在此标准化事件日志中记载了相关的业务流程；其中选取了8个事件日志，分别是Env_permit、BPIC_2012、BPIC_13_i、BPIC_15_1/2/3/4/5。所有事件日志均可通过4TU平台来获取。选取的8个公开事件日志详细信息如表1所示。

表1事件日志数据集基本信息统计

2)根据步骤1)获得的标准化事件日志，抽取标准化事件日志中的轨迹并构建数据集，包括以下步骤：

2.1)遍历事件日志，当访问到轨迹标识时，抽取该条轨迹；

2.2)建立集合E，将步骤2.1)抽取的轨迹输入到集合E中，建立数据集；

2.3)将步骤2.2)得到的数据集以70％比例当作训练集，余下的30％当作测试集进行划分。

3)将步骤2)中获得的训练集按照最后一个事件以及事件发生频率进行特征提取，具体如下：

最后一个事件：遍历每条轨迹，当访问到最后一个事件标识时，抽取该事件，并将其记录到结束事件列表中；

事件发生频率：遍历每条轨迹，并对轨迹中存在事件进行计数，当访问到相同事件时，计数器加1，待每条轨迹遍历完成后，将计数器的最大值记录到事件列表中。

4)将步骤3)中提取的特征进行独热编码，并更新至训练集，使编码后的特征值可以代表此特征，具体如下：

选用独热编码的方法对步骤3)提取的最后一个事件以及事件发生频率特征进行编码，并将编码后的特征更新到步骤2)处理后的训练集中，所述独热编码是将分类变量映射为整数数值，并使每个数值以二进制向量的形式加以表示。

5)将步骤4)中编码后的最后一个事件以及事件发生频率特征值输入到CatBoost机器学习模型进行迭代训练，训练过程中不断调整和优化CatBoost机器学习模型超参数，在达到设定迭代次数后，获得最优且不同特征的CatBoost机器学习模型，具体过程为：

5.1)提取训练集中最后一个事件以及事件发生频率两类特征信息，并将提取后的特征信息分输入到集合Set₁、Set₂中；

给定轨迹<a,b,a,c>和轨迹<a,c,b,d>，其中a,b,c,d为事件，则轨迹<a,b,a,c>和轨迹<a,c,b,d>最后一个事件和事件发生频率两类特征的映射结果如图2中(a)、(b)所示。

5.2)如图3所示，将步骤5.1)构建好的特征集合同训练集一起输入到CatBoost机器学习模型中进行迭代训练，即首先为轨迹的每个前缀长度生成一个输入样本和一个目标值，其中，输入样本代表模型中进程的当前状态，目标值是一个二进制类别标签，当检测到当前轨迹为不完整轨迹时，目标样本为“true”，否则为“false”。一旦将输入样本映射到特征空间中，就可以将其与目标样本一起反馈到模型中。

5.3)根据模型训练得到的曲线下面积(Area Under the Curve,AUC)对模型质量进行评估并进行模型参数调整，在达到设定迭代次数后，获得最优且不同特征类别的CatBoost机器学习模型。

其中，上述CatBoost机器学习模型是一种基于对称决策树为学习器的参数较少、支持类别型变量和高准确性的梯度提升决策树，能高效合理地处理类别型特征，而且处理的效果要比其他大多数机器学习算法的效果更好，这主要是源于CatBoost机器学习模型在建树的过程中，对树的整个层次上使用相同的分割标准，同时每棵树都是基于上一棵树的残差建立的，进而可以解决梯度偏差带来的问题，并且能加快训练时间。

6)将测试集输入到步骤5)获得的最优且不同特征的CatBoost机器学习模型中，以检测出不同特征情况下数据集存在的不完整轨迹。

为进一步验证本实施例上述业务过程事件日志不完整轨迹检测方法在业务过程管理任务上的有效性与优越性，将与其它检测算法进行比较，具体情况如下：

实验使用曲线下面积(Area Under the Curve,AUC)作为每一个不完整轨迹检测方法的评价指标，其主要通过计算正确检测的样本数和错误检测的样本数所构成曲线的曲线下面积来评判不完整轨迹检测的准确度。倘若AUC值较低，则说明检测的不完整轨迹较为准确。

为了得到不完整轨迹检测任务中的最优模型，将极端梯度提升(eXtremeGradient Boosting,XGBoost)模型作为对比的基线方法。

对不同模型进行基本调参，调整参数如下：

a、学习率：{0.01,0.03}

b、迭代次数：100

c、优化算法：Adam

为进一步说明本发明方法在不完整轨迹检测准确度方面的优势，将8个数据集依照0％、10％、20％和30％比例进行随机切割，其中，0％即为原始日志数据，图4展示了8个不同数据集在本发明方法与基线方法调参后优化的AUC值，具体分析如下：

由图4可以看出，在随机切割产生的包含0％和30％的不完整轨迹的数据集上的AUC得分结果显示，本发明方法在8个数据集上的检测表现始终优于基线方法；

在包含10％的不完整轨迹的数据集上，本发明方法除在BPIC_15_1、BPIC_15_2和BPIC_15_3数据集的AUC结果低于基线方法外，在其它5个数据集上均能取得良好表现；

在包含20％的不完整轨迹的数据集上，本发明方法除在Env_permit和BPIC_15_3数据集的AUC结果低于基线方法外，在其它6个数据集上也均能取得较高精度。

本发明方法在整体上的检测效果要优于基线方法，较基线方法的检测精度提高了5.6％。因此，可以认为本发明方法比基线方法更适合不完整轨迹检测任务。

为了验证本发明方法对检测时间的影响，图5展示了8个不同数据集在本发明方法与基线方法的时间性能，从图5结果表明，本发明方法的时间性能提升4.5倍，大大缩减了不完整轨迹的检测时间。因此，综合本发明方法在检测准确度以及时间性能的表现，说明利用复杂的特征信息以及基于CatBoost的分类能够提升业务过程中不完整轨迹的检测分类效果。

实施例2

如图6所示，本实施例公开了一种业务过程事件日志不完整轨迹检测系统，包括以下功能模块：

数据预处理模块，用于将事件日志中多余属性删除，只保留轨迹、事件和事件时间戳，从而构成标准化事件日志，该标准化事件日志记载了相关业务流程；

数据生成模块，用于抽取和构建数据预处理模块获得的标准化事件日志中存在的轨迹数据集，并将数据集划分为训练集和测试集；

特征提取模块，用于提取训练集中最后一个事件以及事件发生频率的特征；

特征编码模块，用于对特征提取模块中的特征进行有针对性编码；

模型训练模块，用于将特征编码模块获取的特征值输入到CatBoost机器学习模型中进行迭代训练，在达到设定迭代次数后，获得最优的CatBoost机器学习模型；

检测结果输出模块，用于将测试集输入到模型训练模块获得的最优的CatBoost机器学习模型中进行验证，从而检测数据集中是否存在不完整轨迹，并输出检测结果。

综上所述，本发明提出了一种业务过程事件日志不完整轨迹检测方法与系统，通过机器学习方法训练模型来检测事件日志中的不完整行为，能够帮助业务流程管理人员提取有用知识，从而提高已有日志数据建模的质量，具有实际推广价值，值得推广。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (8)

1.一种业务过程事件日志不完整轨迹检测方法，其特征在于，包括以下步骤：

1)获取标准化事件日志，该标准化事件日志中记载了相关的业务流程，包含轨迹、事件和事件时间戳；

2)根据步骤1)中获得的标准化事件日志，抽取标准化事件日志中存在的轨迹建立数据集，并将数据集划分为训练集和测试集；

3)将步骤2)中获得的训练集按照最后一个事件以及事件发生频率进行特征提取；

4)将步骤3)中提取的特征进行独热编码，并更新至训练集，使编码后的特征值能够代表此特征；

5)将步骤4)中编码后的特征值输入到CatBoost机器学习模型进行迭代训练，并对模型参数进行优化，在达到设定迭代次数后，获得最优CatBoost机器学习模型；

6)将测试集输入到步骤5)获得的最优CatBoost机器学习模型中进行测试，最终检测出数据集中存在的不完整轨迹。

2.根据权利要求1所述的一种业务过程事件日志不完整轨迹检测方法，其特征在于，在步骤1)中，将事件日志中多余的属性删除，只保留轨迹、事件和事件时间戳，从而构成标准化事件日志；所有事件日志均通过4TU平台来获取。

3.根据权利要求1所述的一种业务过程事件日志不完整轨迹检测方法，其特征在于，在步骤2)中，根据步骤1)获得的标准化事件日志，抽取标准化事件日志中的轨迹并构建数据集，具体步骤如下：

2.1)遍历事件日志，当访问到轨迹标识时，抽取该条轨迹；

2.2)建立集合E，将步骤2.1)抽取的轨迹输入到集合E中，建立数据集；

2.3)将步骤2.2)得到的数据集以70％比例当作训练集，余下的30％当作测试集进行划分。

4.根据权利要求1所述的一种业务过程事件日志不完整轨迹检测方法，其特征在于，在步骤3)中，将步骤2)中获得的训练集按照最后一个事件以及事件发生频率进行特征提取，具体如下：

最后一个事件：遍历每条轨迹，当访问到最后一个事件标识时，抽取该事件，并将其记录到结束事件列表中；

事件发生频率：遍历每条轨迹，并对轨迹中存在事件进行计数，当访问到相同事件时，计数器加1，待每条轨迹遍历完成后，将计数器的最大值记录到事件列表中。

5.根据权利要求1所述的一种业务过程事件日志不完整轨迹检测方法，其特征在于，在步骤4)中，选用独热编码的方法对步骤3)提取的特征进行编码，并将编码后的特征更新到步骤2)处理后的训练集中，其中，所述独热编码是将分类变量映射为整数数值，并使每个数值以二进制向量的形式进行表示。

6.根据权利要求1所述的一种业务过程事件日志不完整轨迹检测方法，其特征在于，在步骤5)中，将步骤4)中编码后的最后一个事件以及事件发生频率两种不同类型的特征值输入到CatBoost机器学习模型进行迭代训练，即首先为轨迹的每个前缀长度生成一个输入样本和一个目标值，输入样本代表模型中进程的当前状态，目标值是一个二进制类别标签，当检测到当前轨迹为不完整轨迹时，目标样本为“true”，否则为“false”，一旦将输入样本映射到特征空间中，就能够将其与目标样本一起反馈到模型中；最后，根据模型训练得到的曲线下面积对模型质量进行评估，并进行模型参数调整，从而获得最优且不同特征的CatBoost机器学习模型。

7.根据权利要求1所述的一种业务过程事件日志不完整轨迹检测方法，其特征在于，在步骤6)中，将测试集输入到步骤5)获得的最优且不同特征的CatBoost机器学习模型中，以检测出不同特征情况下数据集存在的不完整轨迹。

8.一种业务过程事件日志不完整轨迹检测系统，其特征在于，包括：

数据预处理模块，用于将事件日志中多余属性删除，只保留轨迹、事件和事件时间戳，从而构成标准化事件日志，该标准化事件日志记载了相关业务流程；

数据生成模块，用于抽取和构建数据预处理模块获得的标准化事件日志中存在的轨迹数据集，并将数据集划分为训练集和测试集；

特征提取模块，用于提取训练集中最后一个事件以及事件发生频率的特征；

特征编码模块，用于对特征提取模块中的特征进行有针对性编码；

模型训练模块，用于将特征编码模块获取的特征值输入到CatBoost机器学习模型中进行迭代训练，在达到设定迭代次数后，获得最优的CatBoost机器学习模型；

检测结果输出模块，用于将测试集输入到模型训练模块获得的最优的CatBoost机器学习模型中进行验证，从而检测数据集中是否存在不完整轨迹，并输出检测结果。

Images