10、流程发现推荐系统：解决算法选择难题

流程发现推荐系统：解决算法选择难题

在当今的信息系统中，监控流程执行会产生大规模的事件日志文件。这些文件可以通过流程挖掘方法进行处理，流程挖掘结合了商业智能和数据挖掘技术，正逐渐成为大数据时代支持信息系统的理想选择。

1. 流程挖掘与发现难题

流程挖掘主要包括流程发现、一致性检查和增强。其中，流程发现旨在对事件日志背后的业务流程进行行为建模，但目前面临着诸多挑战。虽然已经提出了多种流程发现算法，但没有一种算法能够在所有情况下占据主导地位。这些算法基于不同的形式主义，如Petri网、BPMN、EPC、因果网等，用户需要自己选择适合事件日志的算法。

对于缺乏经验的用户来说，很难从算法组合中选出最佳算法；而有经验的用户可能需要手动检查事件日志来选择合适的算法，这一过程不仅繁琐、耗时，还容易出错。例如，使用同一日志通过不同技术可以发现不同的模型，每个模型都有一组通用的质量度量（+：好，±：一般，−：差），根据不同的度量标准，可能会偏好不同的模型。

2. 相关技术基础

为了解决流程发现算法选择的问题，需要结合三个不同的学科领域。
- 流程发现算法评估 ：控制流发现算法专注于查找流程中活动的因果关系，如顺序、冲突、并发、迭代等。可以使用一致性技术评估这些算法或其生成的模型，以揭示观察到的行为与建模行为之间的不匹配。不同的研究提出了各种评估流程挖掘算法的方法，例如基于参考模型生成事件日志进行一致性分析，或者通过计算流程模型之间的行为和结构相似性来评估算法。
- 协同过滤 ：由于选择众多，很难直接确定个人的选择。推荐系统是高效完成这项任务的自动化方法，协同过