基于执行者过程树的双维度遗传过程挖掘方法

汤雅惠，李 彤，朱 锐，南峰涛，付会林

(1.云南大学 信息学院，云南 昆明 650500；2.云南大学 软件学院，云南 昆明 650091；3.云南农业大学 大数据学院，云南 昆明 650201)

0 引言

过程挖掘能从现代信息系统中提取有价值的过程知识，起到对过程进行发现和监督，最终达到过程改进的作用。过程挖掘是管理复杂运作过程的一种有效的工具，其目标是能够快速生成一个高简洁度、高拟合度、高精确度以及高泛化度的过程模型，最终指导过程的分析和改进[1]。

现今，过程挖掘方法仍处于不断发展和革新中。应用于控制流维度的挖掘算法[1]也非常多，不同算法的适用范围各不相同，故而其对应的优点和缺点也不同。例如遗传挖掘(Genetic Process Mining, GPM)算法[2]将4个质量维度作为模型挖掘导向，使其得到的模型较其他算法质量更高。但由于GPM算法使用迭代的方法模仿生物自然演变，当处理数据量较为庞大和结构复杂的事件日志时，种群的准备时间和算法的迭代时间将成倍增长，进而大大降低算法的效率。

事件日志还包含与过程相关的人员组织的大量信息，这些信息同样蕴含价值。组织维度[3]的关注点在于组织中人与人之间的关系。对组织维度进行挖掘可以发现典型的组织结构和社交网络(social net)[4]。社交网络模型可以学习关于人、组织结构(角色和部门)和工作分配的知识。组织知识的发现使管理人员能够了解组织结构，进而改善组织运作过程。例如，社交网络可以显示企业中的沟通结构，这可用于设计通信基础结构或办公室布局。……