2、分布式过程挖掘：技术与模型详解

分布式过程挖掘：技术与模型详解

1. 分布式过程挖掘概述

1.1 过程发现与一致性检查

过程挖掘主要有两种基本类型：过程发现和一致性检查。
- 过程发现 ：以事件日志为输入，生成某种符号表示的过程模型。例如，根据事件日志学习出一个 Petri 网模型。
- 一致性检查 ：将事件日志与过程模型进行对比，分析观察到的行为与模型化行为之间的差异。可以从以下三个角度生成相关诊断信息：
- 整体指标 ：描述一致性程度，如 80% 的案例可以由模型从头到尾重放。
- 突出日志中的不一致行为 ：将日志划分为符合和不符合的案例子日志，以便进一步分析。
- 标注模型中的不一致行为 ：通过注释过程模型揭示不一致行为。

一致性可以从两个角度来看待：
- 模型未能捕捉到真实行为（“模型错误”）。
- 现实偏离了期望的模型（“事件日志错误”）。

下面通过一个具体例子来说明过程发现和一致性检查：
- 过程发现示例 ：基于给定的事件日志学习出一个 Petri 网。所有日志轨迹都以活动 a 开始，以活动 g 结束。在 Petri 网中，活动 b 是 AND - 分裂，执行 b 后，c 和 d 可以并发执行；活动 e 是 AND - 合并。执行 e 后有两种选择：要么 g 发生，案例完成；要么 f 执行，回到某个特定状态。
- 一致性检查示例