CN114730408A - 使用概率归纳式挖掘器的流程树发现 - Google Patents
使用概率归纳式挖掘器的流程树发现 Download PDFInfo
- Publication number
- CN114730408A CN114730408A CN202080041612.9A CN202080041612A CN114730408A CN 114730408 A CN114730408 A CN 114730408A CN 202080041612 A CN202080041612 A CN 202080041612A CN 114730408 A CN114730408 A CN 114730408A
- Authority
- CN
- China
- Prior art keywords
- event log
- event
- sub
- indirect
- activity
- 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
- 238000000034 method Methods 0.000 title claims abstract description 75
- 230000008569 process Effects 0.000 title claims abstract description 40
- 230000001939 inductive effect Effects 0.000 title description 4
- 230000000694 effects Effects 0.000 claims abstract description 145
- 230000004044 response Effects 0.000 claims abstract description 21
- 238000004801 process automation Methods 0.000 claims abstract description 5
- 230000006399 behavior Effects 0.000 claims description 25
- 238000001914 filtration Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims 7
- 238000012163 sequencing technique Methods 0.000 claims 2
- 230000001186 cumulative effect Effects 0.000 description 22
- 125000004122 cyclic group Chemical group 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 239000003607 modifier Substances 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000001351 cycling effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
- G06F11/3476—Data logging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
- G06F2201/86—Event-based monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/34—Graphical or visual programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/045—Explanation of inference; Explainable artificial intelligence [XAI]; Interpretable artificial intelligence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Human Computer Interaction (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Physics (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Debugging And Monitoring (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
提供了用于生成流程的流程树的系统和方法。流程的事件日志被接收。确定基本事例是否适用于事件日志,并且响应于确定基本事例适用于事件日志,向流程树添加一个或多个节点。响应于确定基本事例不适用于事件日志,基于事件日志中的活动对的直接跟随关系的频率和严格间接跟随关系的频率来将事件日志拆分成子事件日志,并且向流程树添加一个或多个节点。使用相应子事件日志作为事件日志,对每个相应子事件日志重复执行确定基本事例是否适用和拆分事件日志的步骤,直到确定基本事例适用于事件日志为止。流程树被输出。该流程可以是机器人流程自动化流程。
Description
相关申请的交叉引用
本申请要求2020年9月6日提交的美国实用新型专利申请第17/013,624号的优先权,其公开内容通过引用整体并入本文。
技术领域
本发明一般涉及计算机流程挖掘,更具体地说,涉及使用概率归纳式挖掘器的流程树发现,用于生成可用、可理解和准确的计算机流程的流程树。
背景技术
计算机流程(process)是由一个或多个计算机执行的提供各种服务的活动序列。在流程挖掘中,流程模型发现技术被用于生成表示流程执行的流程模型。现有的流程模型发现技术生成能够表达复杂行为(诸如并行)的形式化流程模型。然而,现有的流程模型发现技术生成的流程模型过于复杂,无法在许多应用中被利用。
发明内容
根据一个或多个实施例,提供了用于生成流程的流程树的系统和方法。接收流程的事件日志。确定基本事例是否适用于事件日志,并且响应于确定基本事例适用于事件日志,向流程树添加一个或多个节点。响应于确定基本事例不适用于事件日志,基于事件日志中的活动对(pair of activities)的直接跟随关系的频率和严格间接跟随关系的频率,将事件日志拆分成子事件日志并且向流程树添加一个或多个节点。使用相应子事件日志作为事件日志,针对每个相应子事件日志重复执行确定基本事例是否适用和拆分事件日志的步骤,直到确定基本事例适用于事件日志为止。输出流程树。该流程可以是机器人流程自动化流程。
在一个实施例中,事件日志通过以下步骤被拆分:生成事件日志的直接跟随图和事件日志的间接跟随图,过滤直接跟随图和间接跟随图,基于经过滤的直接跟随图和经过滤的间接跟随图来计算事件日志中的活动对的关系运算符的活动关系得分,基于活动关系得分来确定1)事件日志中的切割位置和2)表示子事件日志之间的行为的关系运算符节点,并且基于切割位置将事件日志拆分成子事件日志。
在一个实施例中,直接跟随图和间接跟随图通过以下步骤被过滤:对事件日志中处于直接跟随关系或严格间接跟随关系的活动对进行排序,基于过滤阈值标识经排序的活动对中的活动对,并且移除直接跟随图和间接跟随图中连接所标识的活动对的边。过滤阈值可以是用户定义的。
在一个实施例中,切割位置和关系运算符节点通过以下步骤确定:基于活动关系得分来计算潜在切割位置的切割得分,并且基于切割得分来确定1)来自潜在切割位置的切割位置和2)关系运算符节点。
在一个实施例中,基于事件日志中的活动对的直接跟随关系的频率和严格间接跟随关系的频率,将事件日志拆分成子事件日志并且向流程树添加一个或多个节点,包括:添加表示子事件日志之间的行为的关系运算符节点、以及针对子事件日志中的每个子事件的关系运算符节点的子节点。
在一个实施例中,确定基本事例是否适用于事件日志,并且响应于确定基本事例适用于事件日志,向流程树添加一个或多个节点包括:确定跳过日志事例适用于事件日志,并且响应于确定跳过日志事例适用于事件日志,向流程树添加排他选择节点,该排他选择节点具有表示静默活动的第一子节点和针对事件日志的第二子节点。
在一个实施例中,可以基于流程树来生成流程模型。
通过参考以下具体实施方式和附图,本发明的这些和其他优点对于本领域的普通技术人员来说是明显的。
附图说明
图1示出了根据本发明的一个或多个实施例的说明性流程;
图2示出了根据本发明的一个或多个实施例的用于生成流程的流程树的方法;
图3示出了根据本发明的一个或多个实施例的图1所示流程的示例性事件日志;
图4示出了根据本发明的一个或多个实施例的表示流程执行的说明性流程树;
图5示出了根据本发明的一个或多个实施例的用于将流程的事件日志拆分成子事件日志的方法;
图6示出了根据本发明的一个或多个实施例的图1所示流程的示例性直接跟随图;
图7A示出了根据本发明的一个或多个实施例的图6所示的直接跟随图的经过滤的图;
图7B示出了根据本发明的一个或多个实施例的表示图7A所示的过滤图在移除了被过滤的边的情况下的结果图;
图8示出了根据本发明的一个或多个实施例的用于推断一对活动的关系运算符的频率信息的贡献的示意图;以及
图9是根据本发明的实施例的计算系统的框图。
具体实施方式
计算机流程可由一个或多个计算机执行,以便为许多不同的应用提供服务,例如,行政应用(例如,新员工入职)、采购支付应用(例如,购买、发票管理和便利支付)和信息技术应用(例如,票务系统)。图1中示出了示例性流程100。在一个实施例中,流程100可被实现为机器人流程自动化(RPA)工作流,用于使用一个或多个RPA机器人自动执行任务。
流程100包括活动A 102、活动B 104、活动C 106和活动D 108,它们表示流程100中预定义的步骤序列。如图1所示,流程100被建模为有向图,其中每个活动102-108被表示为节点,并且活动102-108之间的每个转换表示为连接节点的边。活动之间的转换表示流程100从源活动到目的地活动的执行。流程100的执行以事件日志的形式被记录。
本文所描述的实施例提供了一种概率归纳式挖掘器系统,用于基于事件日志递归地生成表示流程(诸如流程100)的执行的流程树。在一个实施例中,事件日志被重复且递归地拆分成子事件日志。对于每个拆分,关系运算符节点被添加到流程树,该关系运算符节点表示子事件日志之间的行为,诸如排他选择、顺序、并行或循环。针对两个子事件日志的活动节点都被递归地添加为关系运算符节点的子节点。在尝试在事件日志中查找拆分之前,首先确定基本事例是否适用,在基本事例适用的情况下,表示流程的活动或静默活动的叶节点被添加。该过程针对每个子事件日志递归地被执行,以提供向流程树递归的节点添加,从而生成表示流程执行的流程树。有利的是,根据本文所描述的实施例生成的这样的流程树可以用于生成流程的可用的、可理解的和准确的流程模型(例如,类似于BPMN(业务流程模型和符号)的模型)。
图2示出了根据一个或多个实施例的用于生成流程的流程树的方法200。方法200的各个步骤递归地被执行,以迭代地向流程树添加节点,从而生成流程树。将继续参考图1的流程100来描述方法200。在一个实施例中,方法200的步骤被执行以生成图1的流程100的流程树。方法200可以由一个或多个合适的计算设备执行,诸如,例如图9的计算系统900。
在步骤202,流程的事件日志被接收。事件日志(表示为L)可以通过记录在流程的一个或多个执行实例期间出现的事件而在流程的该一个或多个执行实例期间被维护。事件是指在特定时间针对特定事例的活动执行。事例(case)与流程执行的特定实例对应,并且由事例标识符(ID)标识。轨迹(trace)是指针对事例所执行的活动的有序序列。变体(variant)是指特定轨迹的出现频率。
图3示出了根据一个或多个实施例的图1的流程100的示例性事件日志300。事件日志300记录在流程100的六个执行实例期间出现的事件,对应于事件日志300中的事例ID 1到事例ID 6。如图3所示,事件日志300被格式化为具有行302和列304的表格,行302各自对应于事件,并且列304各自在行302和列304相交的单元格处标识事件的在表头行306中所标识的属性。具体而言,每个行302与表示活动102-108的执行的事件(在列304-B中标识)、活动102-108的执行的时间戳(在列304-C中标识)以及标识所执行活动102-108的执行实例的事例ID(在列304-A中标识)相关联。在一个实施例中,在列304-C中标识的活动102-108的执行的时间戳是指活动102-108的执行完成的时间,但是也可以备选地是指活动104-108的执行开始的时间。应当理解,事件日志300可采用任何合适的格式,并且可包括标识事件的其他属性的附加列304。
在步骤204,确定基本事例是否适用于事件日志。基本事例是一种条件,并且可以包括例如单个活动事例、无活动事例或跳过日志事例。当事件日志仅包括单个活动时,单个活动事例适用于事件日志。当事件日志不包括任何活动时,“无活动”事例适用于事件日志。当本应生成的事件日志的空轨迹数目超过事件日志的轨迹数目时,跳过日志事例适用于事件日志,这表明事件日志被跳过的频率高于事件日志被执行的频率。事件日志中本应生成的空轨迹数目由空行为计数器跟踪,并且不被包括在事件日志的轨迹数目中。应该理解,基本事例不限于单个活动事例、无活动事例或跳过日志事例。还考虑到了其他基本事例。
响应于确定基本事例适用于事件日志,一个或多个节点被添加到流程树。例如,响应于确定单个活动事例适用于事件日志,将、表示该活动的节点被添加到流程树。响应于确定无活动事例适用于事件日志,表示静默活动的叶节点被添加到流程树。静默活动表明“什么也没发生”。响应于确定跳过日志事例适用于事件日志,具有两个子节点的排他选择运算符节点被添加到流程树。第一子节点是表示静默活动的叶节点。第二子节点是事件日志的节点,该事件日志的节点通过重置空行为计数器并且返回到步骤204以确定基本事例是否适用于事件日志而被添加。
当在方法200期间被生成的同时,流程树被存储在存储器中(例如,在图9的计算系统900的存储器906中),以通过递归地重复执行步骤204和步骤206,以逐节点的方式实现节点的递归添加。
在步骤206,响应于确定基本事例不适用于事件日志,事件日志基于事件日志中的活动对的直接跟随关系的频率和严格间接跟随关系的频率被拆分成子事件日志,并且一个或多个节点被添加到流程树。被添加到流程树的节点包括1)表示子事件日志之间的行为(例如,排他选择、顺序、并行或循环)的关系运算符节点和2)针对每个子事件日志的子节点。子节点中的特定节点通过递归地(在步骤208)返回到步骤204并且针对每个相应的子事件日志重复步骤204和206而被确定。在一个实施例中,事件日志被拆分成子事件日志,并且关系运算符节点根据图5的方法500的步骤被确定,这将在下面详细描述。
在步骤208,方法200返回到步骤204,并且使用相应的子事件日志作为事件日志,针对每个相应的子事件日志重复步骤204和206,直到(在步骤204处)确定基本事例适用于事件日志为止。以这种方式,方法200递归地针对每个子事件日志向流程树添加一个或多个节点,从而生成流程树。
在步骤210,流程的流程树被输出。一旦针对所有子事件日志执行了步骤204和206,流程树就被输出。在一个实施例中,可以通过例如在计算机系统的显示设备上显示流程树、将流程树存储在计算机系统的存储器或存储装置上、或者通过将流程树传输给远程计算机系统来输出流程树。图4示出了表示根据一个或多个实施例生成的表示流程的执行的说明性流程树400。
在一些实施例中,可以例如使用已知技术将流程树转换为流程模型。例如,流程模型可以是BPMN模型或类似BPMN的模型。
图5示出了根据一个或多个实施例的用于将流程的事件日志拆分成子事件日志的方法500。在一个实施例中,在图2的步骤206执行方法500的步骤,以将事件日志(诸如,例如图1的流程100的事件日志)拆分成子事件日志、以及确定表示子事件日志之间的行为的关系运算符节点。方法500可以由一个或多个合适的计算设备执行,诸如,例如图9的计算系统900。
在步骤502,事件日志的直接跟随图和事件日志的间接跟随图被生成。直接跟随图是一种有向图,包括表示活动的节点和连接具有直接跟随关系的活动节点的边组成。间接跟随图是一种有向图,包括表示活动的节点和连接具有严格间接跟随关系的活动节点的边。如本文所使用的,直接跟随关系是指直接跟随彼此的活动,并且严格间接跟随关系是指间接跟随彼此但不直接跟随彼此的活动。
图6示出了根据一个或多个实施例的图1的流程100的示例性图表600。直接跟随图400描绘了活动A 102、活动B 104、活动C 106和活动D 108的节点以及连接彼此直接跟随的活动节点的边。每条边都被注释有指示出现频率的值。
在步骤504,直接跟随图和间接跟随图被过滤。从直接跟随图和间接跟随图移除不频繁的边和节点引起生成较不复杂的流程树,同时保持更频繁的数据。此外,过滤直接跟随图和间接跟随图避免移除包含频繁活动的不频繁变体,如果直接过滤事件日志,则会出现这种事例。
在一个实施例中,通过对事件日志中处于直接跟随关系(表示为)或严格间接跟随关系(表示为)的活动对(示意性地表示为a和b)进行排序来过滤直接跟随图和间接跟随图。活动对基于它们处于直接跟随关系或间接跟随关系的出现频率(分别表示为和)被排序,这两个出现频率分别由直接跟随图和间接跟随图确定。然后,基于过滤阈值f在经排序的活动对中标识活动对。在直接跟随图和间接跟随图中移除连接所标识的活动对的边。例如,可以标识经排序的活动对的前百分之(100–f)(即最不频繁的活动对),并且从直接跟随图和间接跟随图中移除连接所标识的活动对的边。在一个实施例中,过滤阈值f是从用户输入接收的用户定义的值。这样的用户定义的过滤阈值f允许用户定义的不同级别的模型复杂性。在一个实施例中,当从直接跟随图中移除的边导致节点与该图不连接时,该节点也从该图中被移除。
图7A示出了根据一个或多个实施例直接跟随图6的图600的经过滤的图700。经过滤的图700中的虚线边表示从图600直接被过滤的边。使用93的过滤阈值f执行过滤。图7B示出了根据一个或多个实施例的结果图710,该结果图710表示在移除了被过滤的边的事例下的经过滤的图700。
在步骤506,基于过滤的直接跟随图和过滤的间接跟随图,计算事件日志中活动对的关系运算符的活动关系得分。一对活动a和b的关系运算符可包括以下一项或多项(例如,全部):排他选择关系运算符(表示为x)、顺序关系运算符(表示为→)、并行关系运算符(表示为Λ)、循环进入和循环退出关系运算符(表示为),和间接循环关系运算符(表示为)。a和b的循环进入和循环退出关系运算符是指从a和b进入或退出循环。a和b的间接循环关系运算符是指循环内a与b之间的严格间接关系。还考虑了其他关系运算符。
活动关系得分表示a与b之间存在关系运算符的概率。活动关系得分是基于直接跟随关系和/或间接跟随关系在a和b之间的出现频率而被计算的,该出现频率是使用经过滤的直接跟随图和/或经过滤的间接跟随图被确定的。如参考图8所解释的,出现频率可用于推断关系运算符的存在。
图8示出了根据一个或多个实施例的用于推断一对活动a和b的关系运算符的频率信息的贡献的图800。在每个框802-814中,水平线上方的信息示出了有助于推断关系运算符的直接跟随关系(表示为)和严格间接跟随关系(表示为),并且水平线下方的信息示出了有助于推断关系运算符的频率信息。
如框814所示,当a与b之间的直接跟随关系和严格间接跟随关系的频率相对较小(例如,接近零)时,可以推断a与b之间的排他选择关系运算符,并且针对b与a之间的排他选择关系运算符反之亦然。如框810所示,当直接跟随关系和严格间接跟随关系从a到b的频率远大于从b到a的频率时,可以推断从a到b的顺序关系运算符,并且针对从b到a的顺序关系运算符反之亦然,如框812所示。如框802所示,当从a到b的直接跟随关系的频率与从b到a的直接跟随关系的频率大致相同时,可以推断a到b之间的并行关系运算符。如框804所示,当从a到b的直接跟随关系的频率与从b到a的严格间接跟随关系的频率大致相同时,可以推断从a到b的循环进入和循环退出关系运算符,并且针对从b到a的循环进入和循环退出关系运算符反之亦然,如框806所示。如框808所示,当从a到b的严格间接跟随关系的频率与从b到a的严格间接跟随关系的频率大致相同时,可以推断a与b之间的间接循环关系运算符。
如图8所示,频率信息对推断关系运算符的贡献被利用来生成等式,用于计算事件日志中每对活动a和b的每个关系运算符的活动关系得分。在一个实施例中,每个关系运算符的活动关系得分的值在0到1的范围内。然而,活动关系得分的值可以用任何合适的形式表示。让|a|和|b|表示活动a和b的相应频率,表示从a到b的直接跟随关系的频率,并且表示从a到b的严格间接跟随关系的频率。
a与b之间的排他选择关系运算符的活动关系得分s x 根据等式(1)计算,如下所示:
等式(1)将a和b|a||b|的频率(即|a|和|b|)与经过滤的直接跟随图和经过滤的间接跟随图中它们彼此有关系时的频率(即 )进行比较。等式(1)表达a和b不一起出现在同一轨迹中的频率,这意味着应当只存在a或b,并且引申地是排他选择。活动关系得分s x 被表达为活动(a或b)的频率与它们彼此有关系的频率之间的差值,并且针对a和b的平均出现率被归一化。a和b彼此有关系的频率越低,活动关系得分s x 越高,表明a与b之间存在排他选择关系运算符的可能性越高。a和b彼此有关系的频率越高,活动关系得分s x 越低,表明a和b之间存在排他选择关系运算符的可能性越低。
a与b之间的顺序关系运算符的活动关系得分s → s → 根据等式(2)计算如下:
等式(2)将一个方向(即)上的关系与另一个方向(即)上的关系进行比较,并且针对它们的组合频率(即)将该量归一化。如果第一个方向(即a到b)占主导地位,则活动关系得分s → 将在0和1之间。如果另一个方向(即b到a)占主导地位,则活动关系得分s → 将在-1和0之间。等式(2)的具有如下属性:对于任何活动a和b,s → (a,b)=-s → (b,a)。该属性用于利用单个计算计算s → (a,b)和s → (b,a)两者。为了使活动关系得分s → s → 保持在0到1的范围内,负得分四舍五入为0。
a和b之间并行关系运算符的活动关系得分s ∧ 根据等式(3)计算如下:
等式(3)比较了a和b之间的直接关系。值和值越接近,a和b处于并行关系的可能性越大,并且活动关系得分s ∧ 越高。如果和的两个值在值上大致相等,则活动关系得分s ∧ 接近1。如果和的值不同,则和的最小值确定活动关系得分s ∧ ,以确保得分落入0到1的范围内。
等式(4)允许标识循环的重做(redo)部分,其中循环从迭代结束时的活动a重复到下一次迭代开始时的活动b。等式(5)允许标识循环内的处于严格间接关系的活动。这些循环行为的符号不能被聚合程单个启发(heuristic),并且因此需要单独评估。在等式(4)中,进入循环的重做部分的频率被表达为如果b是重做活动,它被执行次,那么从重做活动b返回到活动a的路径预期在重做主体中具有相似的频率。这会表明a和b处于循环进入和循环退出关系。退出循环的重做部分可通过考虑以类似的方式被评估,其中a和b在等式(4)中被交换。循环主体和循环的重做部分中可以有多个活动。循环进入和循环退出关系表明循环主体中的活动a直接位于重做部分中的活动b之前,然而,对于循环主体或重做部分中的所有活动,事例并非如此。等式(5)提供了间接循环中活动的评估。在间接循环中,a和b严格间接跟随(即)并且严格间接先于(即)彼此,并且由于这是循环结构,因此频率预期类似。
返回图5,在步骤508,基于活动关系得分来确定事件日志中的切割位置和关系运算符节点。切割位置将事件日志Σ拆分成子事件日志Σ1和Σ2。关系运算符节点表示子事件日志之间的行为,并且可包括例如排他选择、顺序、并行或循环。通过基于每个关系运算符(即,排他选择关系运算符、顺序关系运算符、并行关系运算符、循环进入和循环退出关系运算符以及间接循环关系运算符)的累积活动关系得分来评估事件日志Σ中的所有潜在切割位置,切割位置被确定。在一个实施例中,针对每个关系运算符和事件日志Σ中的每个潜在切割位置计算切割得分。潜在切割位置包括事件日志中每对活动之间的转换。切割位置和关系运算符节点基于切割得分而被确定。
通过首先确定特定关系运算符的累积得分来计算切割得分。排他选择关系运算符、顺序关系运算符和并行关系运算符的累积得分是通过针对每个潜在切割位置计算潜在子事件日志Σ1和Σ2中每对活动的平均活动关系得分而被确定的。设是具有的切割。则表示切割cc的累积得分,如下所示:
在一个示例中,c=(→,{a,b},{c,d})的累积得分是活动关系得分s → (a,c)、s → (a,d)、s → (b,c)和s → (b,d)的平均值。
循环行为的累积得分基于循环进入和循环退出关系运算符的得分和间接循环关系运算符的活动关系得分的组合。循环行为包括三个部分:redostart(重做开始)部分、redoend(重做结束)部分和间接(indirect)部分。退出循环主体时,进入循环的重做部分,这表示循环的重复。循环的redostart部分表示活动对的集合,其中redostart部分的第一个活动是主体的最后一个活动,并且redostart部分的第二个活动是重做部分的第一个活动。一旦重做部分完成,主体就将循环。循环的redoend部分表示活动对的集合,其中redoend部分的第一个活动是重做部分的最后一个活动,并且第二个活动是主体的第一个活动。循环的间接部分表示循环中不在redostart部分或redoend部分内的活动对。间接部分中的活动对严格间接地彼此跟随。循环的累积得分其中重做开始活动示为S2,重做结束活动示为E2,并且如下所示:
其中:
其中活动对的数目确定如下:
|redostart|=|(a,b)∈End(L)×S2| 等式(11)
|redoend|=|(a,b)∈E2×Start(L)| 等式(12)
尽管循环的累积得分类似于得分的平均值,但事例并非如此。|Σ1|·|Σ2|中的对的数目不一定等于以redostart+redoend+indirect求和的活动关系得分,这使得除以|Σ1|·|Σ2|不是真正的平均数。
累积得分并不总是准确标识正确的关系运算符。因此,在一个实施例中,累积得分被修改以确定切割得分。
对于排他选择关系运算符和顺序关系运算符,活动关系得分往往高于其他关系运算符的活动关系得分。为了解决这一问题,排他选择关系运算符和顺序关系运算符的活动关系得分的标准偏差被用来给予看似离群的活动关系得分更多的权重。标准偏差允许检测一组得分中的高方差,并且引申地,检测到离群得分值。标准差越高,该组得分的方差越大。通过从累积得分中减去标准差来应用标准差。对于具有切割排他选择关系运算符和顺序关系运算符的经修改的累积得分如下所示:
并行关系运算符和循环运算符在活动关系级别上类似。并行关系运算符和循环运算符的活动关系得分取决于在两个方向上以近似相等的频率彼此跟随的活动。因此,并行关系运算符和循环运算符很难区分。为了更好地区分并行行为和循环行为,基于每个轨迹多次出现的活动来修改累积得分,因为活动在每个轨迹多次出现是循环行为的证据。评估并行行为可能性的修改符modpara和评估循环行为可能性的修改符modloop通过将轨迹的数目与活动的平均频率相比较来定义,如下所示:
modloop=2-modpara 等式(17)
其中L表示事件日志中的轨迹集合,|L|是事件日志中的轨迹数目,‖L‖是事件日志中的事件总数目,Σ表示事件日志中的所有唯一活动,并且‖L‖是唯一事件的数目。
在等式(16)中,修改符modpara是对每个轨迹|L|活动平均出现的次数。轨迹中活动的重复次数越多,modpara就越低。modpara被限制为至多1,因为平均每个轨迹出现少于一次的活动本身不是并行行为的证据。
累积得分都在[0,1]的范围内,这使得经修改的累积得分之间能够进行比较。随着累积得分的修改,该属性不再有效。然而,由于没有对经修改的累积得分执行进一步的计算或修改,因此超过[0,1]范围的经修改的累积得分不具有影响。
切割位置和关系运算符节点基于切割得分从潜在切割位置被确定。在一个实施例中,切割位置和关系运算符节点被确定为具有最高切割得分的特定关系运算符的潜在切割位置。
在步骤510,将事件日志基于切割位置拆分成子事件日志。为了分割事件日志,事件日志的轨迹将根据切割位置被拆分。在一个实施例中,与切割位置不匹配的轨迹被认为是空轨迹。空轨迹的数目由空行为计数器跟踪。空行为计数器在日志拆分期间递增,并且在跳过日志基本事例期间事件日志被递归时重置(图2的步骤204)。
图9是示出根据本发明的实施例的计算系统900的框图,该计算系统900被配置为执行本文中描述的方法、工作流和过程,包括图2和图5。在一些实施例中,计算系统900可以是本文中描绘和/或描述的计算系统中的一个或多个计算系统。计算系统900包括总线902或者用于传递信息的其他通信机制、以及耦合到总线902以用于处理信息的(多个)处理器904。(多个)处理器904可以是任何类型的通用或专用处理器,包括中央处理单元(CPU)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、图形处理单元(GPU)、前述项的多个实例、和/或前述项的任何组合。(多个)处理器904还可以具有多个处理核心,并且这些核心中的至少一些核心可以被配置为执行特定功能。在一些实施例中可以使用多并行处理。
计算系统900还包括用于存储信息和要由(多个)处理器904执行的指令的存储器906。存储器906可以由以下任何组合组成:随机存取存储器(RAM)、只读存储器(ROM)、闪存、高速缓存、静态存储装置(例如磁盘或光盘)、或者任何其他类型的非瞬态计算机可读介质或其组合。非瞬态计算机可读介质可以是可以由(多个)处理器904访问的任何可用介质,并且可以包括易失性介质、非易失性介质或两者皆有。介质也可以是可移除的、不可移除的或两者皆有。
另外,计算系统900包括诸如收发器的通信设备908,以根据任何当前存在的或未来实现的通信标准和/或协议经由无线和/或有线连接提供对通信网络的访问。
(多个)处理器904还经由总线902耦合到适合于向用户显示信息的显示器910。显示器910还可以被配置为触摸显示器和/或任何合适的触觉I/O设备。
键盘912和诸如计算机鼠标、触摸板等的光标控制设备914也耦合到总线902,以使用户能够与计算系统对接。然而,在某些实施例中,可能不存在物理键盘和鼠标,并且用户可以仅通过显示器910和/或触摸板(未示出)与设备交互。根据设计选择,可以使用任何类型和组合的输入设备。在某些实施例中,不存在物理输入设备和/或显示器。例如,用户可以经由与其通信的另一个计算系统远程地与计算系统900交互,或者计算系统900可以自主地操作。
存储器906存储在由(多个)处理器904执行时提供功能性的软件模块。这些模块包括用于计算系统900的操作系统916和一个或多个附加功能模块918,该一个或多个附加功能模块被配置为执行本文中描述的过程的全部或部分过程或者其衍生物。
本领域技术人员将理解,“系统”可以体现为服务器、嵌入式计算系统、个人计算机、控制台、个人数字助理(PDA)、手机、平板计算设备、量子计算系统、或者在不脱离本发明范围的情况下的任何其他合适的计算设备或设备的组合。将上述功能呈现为由“系统”执行并不旨在以任何方式限制本发明的范围,而是旨在提供本发明的许多实施例中的一个示例。实际上,这里公开的方法、系统和装置可以以与计算技术一致的本地化和分布式形式实现,包括云计算系统。
应当注意,本说明书中描述的系统特征中的一些系统特征已经被呈现为模块,以便更具体地强调它们的实现独立性。例如,模块可以被实现为硬件电路,该硬件电路包括定制的超大规模集成(VLSI)电路或门阵列,诸如逻辑芯片、晶体管或其他分立元件的现成半导体。模块还可以在可编程硬件设备中被实现,例如现场可编程门阵列、可编程阵列逻辑、可编程逻辑设备、图形处理单元等。模块也可以至少部分地以软件实现以供各种类型的处理器执行。被标识的可执行代码单元可以例如包括就算及指令的一个或多个物理或逻辑块,这些块可以例如被组织为对象、过程或功能。然而,所标识模块的可执行文件不需要物理位于一起,而是可以包括存储在不同位置的不同指令,当逻辑连接在一起时,这些指令构成模块并达成模块的所述目的。此外,模块可以存储在计算机可读介质上,该计算机可读介质例如可以是硬盘驱动器、闪存设备、RAM、磁带和/或在不脱离本发明的范围的情况下的用于存储数据的任何其他这样的非瞬态计算机可读介质。事实上,可执行代码的模块可以是单个指令,也可以是多个指令,并且甚至可以分布在几个不同的代码段、分布不同的程序之中、以及跨多个存储器设备分布。类似地,操作数据可以在本文中在模块内被标识和图示,并且可以以任何合适的形式体现并且可以在任何合适类型的数据结构内被组织。操作数据可以被收集为单个数据集,或者可以分布在包括不同存储设备的不同位置,并且可以至少部分地仅作为系统或网络上的电子信号存在。
前文仅说明了本公开的原理。因此应当理解,本领域技术人员将能够设计出尽管在本文中没有明确描述或示出、但是体现了本公开的原理并且被包括在其精神和范围内的各种布置。此外,本文中叙述的所有示例和条件语言主要旨在仅用于教示目的,以帮助读者理解本公开的原理和发明人为促进本领域所贡献的概念,并且应被解释为没有限制为这些具体列举的示例和条件。此外,本文中叙述本公开的原理、方面和实施例以及其具体示例的所有陈述旨在涵盖其结构和功能等同物。此外,这样的等同物旨在包括当前已知的等同物以及未来开发的等同物。
Claims (20)
1.一种用于生成流程的流程树的计算机实现的方法,所述方法包括:
接收所述流程的事件日志;
确定基本事例是否适用于所述事件日志,并且响应于确定所述基本事例适用于所述事件日志,向所述流程树添加一个或多个节点;
响应于确定所述基本事例不适用于所述事件日志,基于所述事件日志中的活动对的直接跟随关系的频率和严格间接跟随关系的频率将所述事件日志拆分成子事件日志并且向所述流程树添加一个或多个节点;
针对每个相应子事件日志,使用所述相应子事件日志作为所述事件日志重复所述确定和所述拆分,直到确定所述基本事例适用于所述事件日志为止;以及
输出所述流程树。
2.根据权利要求1所述的计算机实现的方法,其中,基于所述事件日志中的活动对的直接跟随关系的频率和严格间接跟随关系的频率将所述事件日志拆分成子事件日志并且向所述流程树添加一个或多个节点包括:
生成所述事件日志的直接跟随图和所述事件日志的间接跟随图;
过滤所述直接跟随图和所述间接跟随图;
基于经过滤的所述直接跟随图和经过滤的所述间接跟随图,计算所述事件日志中的活动对的关系运算符的活动关系得分;
基于所述活动关系得分来确定1)所述事件日志中的切割位置和2)表示所述子事件日志之间的行为的关系运算符节点;以及
基于所述切割位置将所述事件日志拆分成所述子事件日志。
3.根据权利要求2所述的计算机实现的方法,其中过滤所述直接跟随图和所述间接跟随图包括:
对所述事件日志中具有直接跟随关系或严格间接跟随关系的活动对进行排序;
基于过滤阈值来标识经排序的所述活动对中的活动对;以及
移除所述直接跟随图和所述间接跟随图中连接所标识的所述活动对的边。
4.根据权利要求3所述的计算机实现的方法,其中所述过滤阈值是用户定义的。
5.根据权利要求2所述的计算机实现的方法,其中基于所述活动关系得分来确定1)所述事件日志中的切割位置和2)表示所述子事件日志之间的行为的关系运算符节点包括:
基于所述活动关系得分来计算潜在切割位置的切割得分;以及
基于所述切割得分,确定1)来自所述潜在切割位置的所述切割位置和2)所述关系运算符节点。
6.根据权利要求1所述的计算机实现的方法,其中,基于所述事件日志中的活动对的直接跟随关系的频率和严格间接跟随关系的频率将所述事件日志拆分成子事件日志并且向所述流程树添加一个或多个节点包括:
添加表示所述子事件日志之间的行为的关系运算符节点,以及针对所述子事件日志中的每个子事件的所述关系运算符节点的子节点。
7.根据权利要求1所述的计算机实现的方法,其中,确定基本事例是否适用于所述事件日志并且响应于确定所述基本事例适用于所述事件日志向所述流程树添加一个或多个节点包括:
确定跳过日志事例适用于所述事件日志;以及
响应于确定所述跳过日志事例适用于所述事件日志,向所述流程树添加排他选择节点,所述排他选择节点具有表示静默活动的第一子节点和表示针对事件日志的第二子节点。
8.根据权利要求1所述的计算机实现的方法,还包括:
基于所述流程树来生成流程模型。
9.根据权利要求1所述的计算机实现的方法,其中所述流程是机器人流程自动化流程。
10.一种装置,包括:
存储器,存储用于生成流程的流程树的计算机指令;以及
至少一个处理器,被配置为执行所述计算机指令,所述计算机指令被配置为使所述至少一个处理器执行以下操作:
接收所述流程的事件日志;
确定基本事例是否适用于所述事件日志,并且响应于确定所述基本事例适用于所述事件日志,向所述流程树添加一个或多个节点;
响应于确定所述基本事例不适用于所述事件日志,基于所述事件日志中的活动对的直接跟随关系的频率和严格间接跟随关系的频率将所述事件日志拆分成子事件日志并且向所述流程树添加一个或多个节点;
针对每个相应子事件日志,使用所述相应子事件日志作为所述事件日志重复所述确定和所述拆分,直到确定所述基本事例适用于所述事件日志为止;以及
输出所述流程树。
11.根据权利要求10所述的装置,其中,基于所述事件日志中的活动对的直接跟随关系的频率和严格间接跟随关系的频率将所述事件日志拆分成子事件日志并且向所述流程树添加一个或多个节点包括:
生成所述事件日志的直接跟随图和所述事件日志的间接跟随图;
过滤所述直接跟随图和所述间接跟随图;
基于经过滤的所述直接跟随图和经过滤的所述间接跟随图,计算所述事件日志中的活动对的关系运算符的活动关系得分;
基于所述活动关系得分来确定1)所述事件日志中的切割位置和2)表示所述子事件日志之间的行为的关系运算符节点;以及
基于所述切割位置将所述事件日志拆分成所述子事件日志。
12.根据权利要求11所述的装置,其中过滤所述直接跟随图和所述间接跟随图包括:
对所述事件日志中具有直接跟随关系或严格间接跟随关系的活动对进行排序;
基于过滤阈值来标识经排序的所述活动对中的活动对;以及
移除所述直接跟随图和所述间接跟随图中连接所标识的所述活动对的边。
13.根据权利要求12所述的装置,其中所述过滤阈值是用户定义的。
14.根据权利要求11所述的装置,其中基于所述活动关系得分来确定1)所述事件日志中的切割位置和2)表示所述子事件日志之间的行为的关系运算符节点包括:
基于所述活动关系得分来计算潜在切割位置的切割得分;以及
基于所述切割得分,确定1)来自所述潜在切割位置的所述切割位置和2)所述关系运算符节点。
15.一种被包含在非瞬态计算机可读介质上的、用于生成流程的流程树的计算机程序,所述计算机程序被配置为使至少一个处理器执行包括以下操作,所述操作包括:
接收所述流程的事件日志;
确定基本事例是否适用于所述事件日志,并且响应于确定所述基本事例适用于所述事件日志,向所述流程树添加一个或多个节点;
响应于确定所述基本事例不适用于所述事件日志,基于所述事件日志中的活动对的直接跟随关系的频率和严格间接跟随关系的频率将所述事件日志拆分成子事件日志并且向所述流程树添加一个或多个节点;
针对每个相应子事件日志,使用所述相应子事件日志作为所述事件日志重复所述确定和所述拆分,直到确定所述基本事例适用于所述事件日志为止;以及
输出所述流程树。
16.根据权利要求15所述的计算机程序,其中,基于所述事件日志中的活动对的直接跟随关系的频率和严格间接跟随关系的频率将所述事件日志拆分成子事件日志并且向所述流程树添加一个或多个节点包括:
生成所述事件日志的直接跟随图和所述事件日志的间接跟随图;
过滤所述直接跟随图和所述间接跟随图;
基于经过滤的所述直接跟随图和经过滤的所述间接跟随图,计算所述事件日志中的活动对的关系运算符的活动关系得分;
基于所述活动关系得分来确定1)所述事件日志中的切割位置和2)表示所述子事件日志之间的行为的关系运算符节点;以及
基于所述切割位置将所述事件日志拆分成所述子事件日志。
17.根据权利要求15所述的计算机程序,其中,基于所述事件日志中的活动对的直接跟随关系的频率和严格间接跟随关系的频率将所述事件日志拆分成子事件日志并且向所述流程树添加一个或多个节点,包括:
添加表示所述子事件日志之间的行为的关系运算符节点,以及针对所述子事件日志中的每个子事件的所述关系运算符节点的子节点。
18.根据权利要求15所述的计算机程序,确定基本事例是否适用于所述事件日志并且响应于确定所述基本事例适用于所述事件日志向所述流程树添加一个或多个节点包括:
确定跳过日志事例适用于所述事件日志;以及
响应于确定所述跳过日志事例适用于所述事件日志,向所述流程树添加排他选择节点,所述排他选择节点具有表示静默活动的第一子节点和表示针对事件日志的第二子节点。
19.根据权利要求15所述的计算机程序,所述操作还包括:
基于所述流程树生成流程模型。
20.根据权利要求15所述的计算机程序,其中所述流程是机器人流程自动化流程。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/013,624 | 2020-09-06 | ||
US17/013,624 US11500756B2 (en) | 2020-09-06 | 2020-09-06 | Process tree discovery using a probabilistic inductive miner |
PCT/US2020/055646 WO2022050968A1 (en) | 2020-09-06 | 2020-10-15 | Process tree discovery using a probabilistic inductive miner |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114730408A true CN114730408A (zh) | 2022-07-08 |
Family
ID=80491391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080041612.9A Pending CN114730408A (zh) | 2020-09-06 | 2020-10-15 | 使用概率归纳式挖掘器的流程树发现 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11500756B2 (zh) |
EP (1) | EP4208827A1 (zh) |
JP (1) | JP2023546305A (zh) |
KR (1) | KR20230062318A (zh) |
CN (1) | CN114730408A (zh) |
WO (1) | WO2022050968A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220114508A1 (en) * | 2020-10-09 | 2022-04-14 | International Business Machines Corporation | Enriching process models from unstructured data and identify inefficiencies in enriched process models |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7251787B2 (en) | 2002-08-28 | 2007-07-31 | Siebel Systems, Inc. | Method and apparatus for an integrated process modeller |
US8265979B2 (en) | 2003-06-17 | 2012-09-11 | International Business Machines Corporation | Automatic generation of process models |
US20090112667A1 (en) | 2007-10-31 | 2009-04-30 | Ken Blackwell | Automated Business Process Model Discovery |
US9239887B2 (en) * | 2012-12-18 | 2016-01-19 | Cisco Technology, Inc. | Automatic correlation of dynamic system events within computing devices |
US20190050317A1 (en) | 2013-10-01 | 2019-02-14 | Google Inc. | Systems and methods for determining event processing delays |
US9697100B2 (en) | 2014-03-10 | 2017-07-04 | Accenture Global Services Limited | Event correlation |
US20170111245A1 (en) | 2015-10-14 | 2017-04-20 | International Business Machines Corporation | Process traces clustering: a heterogeneous information network approach |
US10656979B2 (en) | 2016-03-31 | 2020-05-19 | International Business Machines Corporation | Structural and temporal semantics heterogeneous information network (HIN) for process trace clustering |
WO2018138601A1 (en) | 2017-01-25 | 2018-08-02 | Koninklijke Philips N.V. | Generating a process model |
US10467083B2 (en) * | 2017-06-08 | 2019-11-05 | International Business Machines Corporation | Event relationship analysis in fault management |
US20190286504A1 (en) | 2018-03-15 | 2019-09-19 | Ca, Inc. | Graph-based root cause analysis |
CN109033368A (zh) | 2018-07-27 | 2018-12-18 | 安徽理工大学 | 一种基于活动划分和日志划分的块结构过程挖掘方法 |
CN109460391A (zh) | 2018-09-04 | 2019-03-12 | 安徽理工大学 | 一种基于流程切的过程模型挖掘新方法 |
KR102175326B1 (ko) | 2018-11-19 | 2020-11-06 | 주식회사 아이오코드 | 모듈 프로세스 모델의 버전 관리로 전반적인 프로세스 모델 운영 개선 |
US11106800B1 (en) * | 2018-11-30 | 2021-08-31 | Capsule8, Inc. | Detecting kernel exploits |
US11361163B2 (en) | 2018-12-17 | 2022-06-14 | MuyVentive, LLC | System and method to represent conversational flows as graph embeddings and to conduct classification and clustering based on such embeddings |
EP3899757A4 (en) | 2018-12-21 | 2022-07-06 | Odaia Intelligence Inc. | ACCURATE AND TRANSPARENT PATH PREDICTION USING PROCESS EXPLORATION |
US11281520B2 (en) | 2020-06-05 | 2022-03-22 | Vmware, Inc. | Methods and systems for determining potential root causes of problems in a data center using log streams |
-
2020
- 2020-09-06 US US17/013,624 patent/US11500756B2/en active Active
- 2020-10-15 WO PCT/US2020/055646 patent/WO2022050968A1/en unknown
- 2020-10-15 KR KR1020217039301A patent/KR20230062318A/ko unknown
- 2020-10-15 EP EP20938501.2A patent/EP4208827A1/en not_active Withdrawn
- 2020-10-15 CN CN202080041612.9A patent/CN114730408A/zh active Pending
- 2020-10-15 JP JP2021572412A patent/JP2023546305A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
US20220075705A1 (en) | 2022-03-10 |
JP2023546305A (ja) | 2023-11-02 |
EP4208827A1 (en) | 2023-07-12 |
KR20230062318A (ko) | 2023-05-09 |
US11500756B2 (en) | 2022-11-15 |
WO2022050968A1 (en) | 2022-03-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11119834B2 (en) | Artificial creation of dominant sequences that are representative of logged events | |
Di Ciccio et al. | A two-step fast algorithm for the automated discovery of declarative workflows | |
US20180096247A1 (en) | Method and apparatus for machine learning | |
US11847130B2 (en) | Extract, transform, load monitoring platform | |
JP2012113537A (ja) | 潜在リスク抽出方法およびシステム | |
US20220188143A1 (en) | Process mining for multi-instance processes | |
CN115039136A (zh) | 用于过程图的视觉复杂度滑块 | |
CN114730408A (zh) | 使用概率归纳式挖掘器的流程树发现 | |
CN113906416A (zh) | 可解释的过程预测 | |
KR20220115859A (ko) | 프로세스의 에지 테이블 표현 | |
US11521088B2 (en) | Process tree discovery using a probabilistic inductive miner | |
US20210200574A1 (en) | Visual conformance checking of processes | |
US11892934B2 (en) | Process tree discovery using a probabilistic inductive miner | |
WO2022164578A1 (en) | Process tree discovery using a probabilistic inductive miner | |
US20230054774A1 (en) | User constrained process mining | |
WO2022164577A1 (en) | Process tree discovery using a probabilistic inductive miner | |
US20230057746A1 (en) | User constrained process mining | |
US20230306349A1 (en) | Benchmarking processes of an organization to standardized processes | |
US20230289621A1 (en) | Automatic generation of knowledge graphs | |
US20210318944A1 (en) | Influence analysis of processes for reducing undesirable behavior | |
WO2024018671A1 (ja) | Cld管理装置、cld管理システム及びcld管理方法 | |
US20230393567A1 (en) | Constraint operator for process mining | |
US20230127453A1 (en) | Causal multi-touch attribution | |
CN117974009A (zh) | 任务拆分率的确定方法、装置、电子设备及存储介质 |
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: 20220708 |