[发明专利]一种基于执行者过程树的双维度遗传过程挖掘方法

权利要求书

1.一种基于执行者过程树的双维度遗传过程挖掘方法，其特征在于，包括以下步骤：

控制流维度：使用IM算法分别对事件日志中的案例进行预挖掘，生成的过程模型作为遗传挖掘算法的初始种群，通过遗传挖掘算法对过程模型进行整合优化得到最终的过程模型；

组织维度：提取组织维度信息，通过活动—执行者矩阵度量活动在执行者层面的距离；

使用组织维度的执行者信息扩充控制流维度的过程模型：将活动与其对应的执行者进行映射，挖掘出执行者过程树，建立双维度过程模型。

2.根据权利要求1所述的基于执行者过程树的双维度遗传过程挖掘方法，其特征在于，所述遗传挖掘算法包括：

S1：根据输入的事件日志和初始的过程树群体，为群体中的每个过程树根据综合质量函数计算综合质量值；

S2：选择一定比例的群体中综合质量最优的多个过程树，无需任何改变直接保留到下一代，剩下的过程树使用遗传操作改进；

S3：同时设置停止条件，若过程树的综合质量值不满足停止条件，则迭代重复以上的步骤，直至满足停止条件；输出综合质量值最高的过程树。

3.根据权利要求2所述的基于执行者过程树的双维度遗传过程挖掘方法，其特征在于，所述遗传操作包括替换、交叉、和突变；所述替换，使用随机产生过程树替换种群中质量最低的一部分过程树；所述交叉，交换两个过程树之间随机选择的两个子树。

4.根据权利要求2所述的基于执行者过程树的双维度遗传过程挖掘方法，其特征在于，所述S2具体包括：设置种群中综合质量值最高的25％的过程树个体直接保留到下一代；选择剩余的过程树中排在前25％的过程树进行突变操作；再次选择剩下的过程树中排在前25％的过程树进行交叉操作；综合质量值最低的25％的个体使用替换操作直接替换。

5.根据权利要求2所述的基于执行者过程树的双维度遗传过程挖掘方法，其特征在于，所述过程树是一个三元组PT＝(O,L,B),其中O是运算符节点(非叶子节点)的有限集合，L是活动节点(叶子节点)的有限集合，使得是有向弧的集合。

6.根据权利要求2所述的基于执行者过程树的双维度遗传过程挖掘方法，其特征在于，所述综合质量函数CQ的计算公式为：CQ＝(Fr+Pe+Gn+Sm)/4，其中,Fr，Pe，Gn和Sm分别为过程模型在拟合度、精确度、泛化度和简洁度这4方面的度量值。

7.根据权利要求1所述的基于执行者过程树的双维度遗传过程挖掘方法，其特征在于，所述活动—执行者矩阵M：

设L为事件日志，令a₁∈A,r₁∈R,c＝(c₀,c₁,c₂...)∈L:

(1)

(2)M_L(a₁,r₁)＝∑_c∈LM_C(a₁,r₁)

其中，A为某个事件上的活动集合，R为某个事件上的执行者集合，(a₁,r₁)表示活动a₁由执行者r₁执行，M定义了一个以A为行，R为列的矩阵，矩阵中的数值代表执行者执行活动的次数。

8.根据权利要求1所述的基于执行者过程树的双维度遗传过程挖掘方法，其特征在于，所述通过活动—执行者矩阵度量活动在执行者层面距离的方法：活动—执行者矩阵根据活动欧氏距离计算出的活动之间的距离；设L为事件日志，M_L是活动的执行者，

令a₁，a₂∈A，n∈{1,2,3...}a₁,a₂∈A,n∈{1,2,3......}，

活动欧氏距离

活动欧氏距离有一个参数n：n＝1为Manhattan距离，n＝2为Euclidean距离，如果n很大时，则等价于Chebyshev距离。

9.根据权利要求1所述的基于执行者过程树的双维度遗传过程挖掘方法，其特征在于，所述执行者过程树是一个五元组PTR＝(O,L,B,R,H),其中(O,L,B)是过程树，R为每个叶子节点L对应的执行者的有限集合,是有向弧的集合。