2、基于过程挖掘的人类习惯发现

基于过程挖掘的人类习惯发现

在智能空间中，过程挖掘（Process Mining, PM）技术的应用为发现人类习惯提供了新的途径。本文将介绍一种自动将传感器日志分割为习惯的方法，并通过实验验证其有效性。

无监督人类习惯发现

在智能空间应用过程挖掘面临诸多挑战：
1. 数据格式差异 ：智能空间通常产生传感器日志，而过程挖掘技术需要事件日志。事件日志中的事件是任务的执行，传感器日志包含细粒度的传感器测量值。
2. 日志分割 ：过程挖掘要求将日志分割成轨迹，每个轨迹代表特定过程（活动或习惯）的“执行”。
3. 建模形式选择 ：选择合适的建模形式并非易事。

为了将传感器日志转换为事件日志，可采用特定技术。得到的事件日志是时间戳元组〈d, s, e, a〉的序列，其中：
- d 是日志中的日期。
- s 和 e 分别是动作开始和结束的时间戳，元组按 s 按时间顺序排列。
- a 是传感器聚合的结果，标记为 STOP、AREA 或 MOVEMENT，并后跟位置标识符。

事件日志还需进一步预处理，将连续重复的相同动作合并。例如，给定两个连续元组 A = 〈d_A, s_A, e_A, aA〉和 B = 〈d_B, s_B, e_B, a_B〉，如果 d_A = d_B，a_A = a_B，且 e_A = s_B，则 A 和 B 合并为一个事件〈d_A, s_A, e_B, aA〉。

完成事件日志的预处理后，进入分割阶段。采用基于时间属性的经典自底向上离散化技术，类似于 Chi - m