[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

说明书

本发明公开了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。本发明将控制流维度和组织维度这两种维度组合，以执行者过程树的形式，在同一个模型中同时反映两个维度的信息。

技术领域

本发明涉及过程挖掘领域，尤其是一种基于执行者过程树的双维度遗传过程挖掘方法。

背景技术

过程挖掘是现代组织用来管理复杂运作过程的一种重要工具，能从现代信息系统普遍产生的事件日志中抽取过程知识，为相关领域应用中的过程发现、监督和改进提供新的手段。过程挖掘的理念是从事件日志中提取出知识，进而去发现、监控和改进实际过程(即非假定过程)，目标在于能够快速地发现一个简洁、合理、优质的过程模型以支持过程的分析与改进。过程挖掘的理念也可用于软件过程领域，软件过程挖掘是指在软件过程数据的驱动下，自动地发现软件过程模型，进而帮助软件工程师更好地识别、理解、分析、优化实际执行的软件过程，最终达到软件过程改进并提升软件产品质量的目的。过程挖掘方法方兴未艾，在控制流维度已经出现了许多挖掘算法，旨在发现活动之间的控制流关系。这些算法各有各的适用范围以及优缺点。以遗传挖掘算法(Genetic Process Mining,GPM)为例，算法使用模型的4个质量维度作为挖掘导向，因此相对于其他挖掘算法，更容易生成高质量的过程模型；但由于GPM模仿生物的自然演变，使用迭代的方法挖掘模型，因此对于大型事件日志，种群准备时间和迭代时间将成倍增长，为产生质量较高的合理模型可能需要迭代多次，导致算法效率极低。

事件日志还会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)。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。组织维度的发现，一方面，软件作为人类脑力体力结合所得的产物，而对于软件开发组织而言，随着软件规模的不断膨胀和软件开发技术的发展，软件开发的分工和组织变得越来越复杂，如何合理的对人员进行组织和分工成为能否成功开发软件的一个决定性因素；另一方面，对于业务过程而言，过程的发生与变化，源自于人，而过程模型的发现与改进，最终还是服务于人。人的行为与交互，对于业务过程的影响举足轻重。因此，无论是软件开发过程还是业务过程，发现和分析过程中涉及到的组织维度信息都至关重要。而与在控制流方面的研究相比，目前在组织维度方面的研究还较为稀少。

控制流维度模型反映活动之间的关系，组织维度模型反映组织人员之间的关系。两个维度属于不同层面。而在人类扮演主要角色的环境中，过程的运行与人类行为高度相关，人的行为与决策对活动的影响至关重要。例如，在软件开发组织、医院等许多其他专业组织中，过程的出现和变化多是由于人为决策。因此，将两种维度分割来看，较难获得全局视角，不能直观看出人员在不同活动上的分工，难以对事件日志进行全面的分析。而如果能够在同一个模型中同时展示两种维度，反映人与活动之间的关系，则能获得更为全面的视角。

发明内容

本发明的发明目的在于：针对上述存在的问题，提供一种基于执行者过程树的双维度遗传过程挖掘方法，将控制流维度和组织维度这两种维度组合，以执行者过程树的形式，在同一个模型中同时反映两个维度的信息，能有效体现出活动与执行者之间的关系，获得更为全面的视角。

本发明采用的技术方案如下：

本发明一种基于执行者过程树的双维度遗传过程挖掘方法，包括以下步骤：