【摘要】：將事件日志中蘊(yùn)含的過程模型看成兩緊鄰活動(dòng)的組合,提出兩種新的過程模型。首先,利用日志信息中的活動(dòng)緊鄰關(guān)系構(gòu)造鄰接矩陣提取過程模型,該模型中每個(gè)活動(dòng)僅發(fā)生一次;其次,為避免過程模型中出現(xiàn)回路或者環(huán)路而造成模型預(yù)測(cè)精度降低的情況發(fā)生,在構(gòu)造的鄰接矩陣中增加活動(dòng)在事件日志中所處的順序位次,構(gòu)造含有活動(dòng)位次信息的鄰接矩陣,以此為基礎(chǔ)上進(jìn)一步提取過程模型,該模型中每個(gè)活動(dòng)在同一個(gè)位次上僅發(fā)生一次;再次,通過矩陣中的信息可獲得過程模型中每個(gè)上層節(jié)點(diǎn)到各個(gè)下層節(jié)點(diǎn)的路徑與相應(yīng)概率;接下來,根據(jù)事件日志中信息的類型和特征,利用過程模型對(duì)決策者所需要的信息(如活動(dòng)名稱、等待時(shí)間、發(fā)生概率)進(jìn)行預(yù)測(cè);最后,利用隨機(jī)數(shù)據(jù)與實(shí)際數(shù)據(jù)同基于序列提取規(guī)則的過程模型預(yù)測(cè)結(jié)果進(jìn)行比較,驗(yàn)證所提模型的實(shí)際有效性。
【圖文】：

＜ＩＴ＝３２．５０＞Ｅｎｄ２．１．２過程模型提取根據(jù)鄰接矩陣的構(gòu)造過程算法細(xì)節(jié)可知，當(dāng)鄰接矩陣中所對(duì)應(yīng)（ｉ，ｊ）位置數(shù)據(jù)不為空時(shí)，說明在事件日志中，活動(dòng)ｉ與ｊ在某個(gè)或某幾個(gè)案例中作為緊鄰活動(dòng)，那么在過程模型提取時(shí)，這兩個(gè)活動(dòng)之間有直接的聯(lián)系，從而應(yīng)用線連接起來，當(dāng)在兩個(gè)活動(dòng)相連的線上增加矩陣中的相應(yīng)信息（頻率與時(shí)間間隔數(shù)值），可得到包含時(shí)間信息與頻率信息的過程模型。針對(duì)表２中的隨機(jī)數(shù)據(jù)（７個(gè)案例，２６個(gè)活動(dòng)）對(duì)應(yīng)的鄰接矩陣Ⅱ，提取的過程模型如圖１所示。圖１預(yù)測(cè)過程模型（基于鄰接矩陣Ⅱ提�。┍恚仓泻械模祩�(gè)不同類型的活動(dòng)在圖１的模型中僅出現(xiàn)一次，此時(shí)在圖１中活動(dòng)Ｂ與Ｃ之間存在一個(gè)回路，根據(jù)圖１中現(xiàn)有頻率信息，無法計(jì)算出活動(dòng)Ｂ與Ｃ之間回路發(fā)生的次數(shù)（無法確定活動(dòng)Ｂ與Ｃ在事件日志案例中緊鄰成對(duì)出現(xiàn)的次數(shù)）。據(jù)文獻(xiàn)［２，２５］可知，過程模型的預(yù)測(cè)精度與模型中回路或者環(huán)路的數(shù)量呈負(fù)相關(guān)性，隨著回路或者環(huán)路數(shù)量的增多，該過程模型的精度相應(yīng)降低。為避免過程模型中產(chǎn)生回路或者環(huán)路，在鄰接矩陣Ⅱ中的（ｉ，ｊ）處，增加活動(dòng)ｉ在事件日志案例中所發(fā)生位置對(duì)應(yīng)順序數(shù)據(jù)信息，進(jìn)一步構(gòu)造含有活動(dòng)順序位次的鄰接矩陣。２．２鄰接矩陣進(jìn)一步構(gòu)造表２中，活動(dòng)Ａ作為第１位次的活動(dòng)出現(xiàn)了７次，即Ａ都是第一個(gè)發(fā)生的活動(dòng)。由于每個(gè)案例中發(fā)生活動(dòng)的數(shù)量與過程不同，每個(gè)活動(dòng)順序發(fā)生的位次不同，Ｄ在案例４和案例７中是第３個(gè)發(fā)生的活動(dòng)，在其余５個(gè)案例中是第４個(gè)發(fā)生的活動(dòng)，但所有案例中Ｄ都是最后一個(gè)

鄰的只有活動(dòng)Ｃ，利用活動(dòng)Ｃ在第３位次發(fā)生的頻率３與活動(dòng)Ｂ在第２位次發(fā)生的頻率３可以求得此時(shí)的條件概率，那么活動(dòng)Ｃ發(fā)生的概率是１（Ｐ｛｛３｝←Ｃ／｛２｝←Ｂ｝＝３／３＝１，與此同時(shí)，活動(dòng)Ｂ完成后距離活動(dòng)Ｃ完成的時(shí)間是４．３３。針對(duì)表２中的隨機(jī)數(shù)據(jù)事件日志信息，利用圖２中的過程模型相比利用圖１中的過程模型能得到更好地預(yù)測(cè)結(jié)果，原因在于鄰接矩陣Ⅲ比鄰接矩陣Ⅱ含有更多的信息（案例中每個(gè)活動(dòng)的順序位次信息），因此圖２中過程模型更精確。因此，在實(shí)際應(yīng)用中，可根據(jù)決策者對(duì)模型預(yù)測(cè)精度要求，在鄰接矩陣中增加不同的信息。３隨機(jī)數(shù)據(jù)預(yù)測(cè)結(jié)果比較利用隨機(jī)數(shù)據(jù)，將本文提出的ＰＭＡＭ的預(yù)測(cè)結(jié)果與文獻(xiàn)［１］中提出的ＰＭＳ的預(yù)測(cè)結(jié)果進(jìn)行比較，來驗(yàn)證ＰＭＡＭ算法的可行性。３．１隨機(jī)數(shù)據(jù)Ｉ針對(duì)表２中的事件日志，利用過程挖掘工具ＰＲＯＭ［２０］提�。校停优cＰＭＡＭ（具體數(shù)據(jù)信息如圖２中所示），這兩種模型的預(yù)測(cè)結(jié)果比較如表６所示。表６ＰＭＡＭ與ＰＭＳ預(yù)測(cè)結(jié)果狀態(tài)ＰＭＡＭ預(yù)測(cè)結(jié)果ＰＭＳ預(yù)測(cè)結(jié)果１ＳＴＡＲＴ｛０｝（ａｄｊａｃｅｎｃｙＡ）［ＦＲＥ＝７］＜ＩＴ＝０＞［｛｝］＜ＩＴ＝０＞２Ａ｛１｝（ａｄｊａｃｅｎｃｙＢ）［ＦＲＥ＝３］＜ＩＴ＝４．６７＞（ａｄｊａｃｅｎｃｙＣ）［ＦＲＥ＝２］＜ＩＴ＝４．５０＞（ａｄｊａｃｅｎｃｙＥ）［ＦＲＥ＝２］＜ＩＴ＝９．５０＞［｛０＝Ａ｝］＜Ｓｏｊｏｕｒｎｔｉｍｅ＝６．００＞３Ｂ｛２｝（ａｄｊａｃｅｎｃｙＣ）

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 宋煒;劉強(qiáng);;基于模擬退火算法的過程挖掘研究[J];電子學(xué)報(bào);2009年S1期

2 瞿華;;基于結(jié)構(gòu)化工作流網(wǎng)的隱含任務(wù)挖掘方法[J];中國(guó)管理信息化;2012年07期

3 王sマ

本文編號(hào)：2793945