基于局部流程结构优化的归纳式模型挖掘方法

来源：计算机集成制造系统杂志2026年第3期北京时间：

作者：焉佳馨, 刘聪, 苏轩, 闻立杰, 曹健, 曾庆田

单位：1.山东理工大学计算机科学与技术学院2.山东科技大学计算机科学与工程学院3.清华大学软件学院4.上海交通大学计算机科学与技术系

摘要：模型挖掘旨在从给定的事件日志中发现能够描述流程的最佳模型。已有的模型挖掘方法大多难以在有限时间内得到一个健全的流程模型。归纳式挖掘方法虽然可以保证在绝大多数情况下都能挖掘出健全的流程模型,但在处理复杂活动关系时常常存在局限性,导致模型中可能出现局部不精确结构而降低模型质量,如并发关系中的选择或循环关系往往是该方法对复杂活动关系处理不当的结果。针对上述问题,提出了一种基于局部流程结构优化的归纳式模型挖掘方法。具体而言,首先识别归纳式挖掘方法所得初始流程树中的不精确结构并提取不精确结构对应的子日志,然后在提取的子日志上使用基于频次的归纳式挖掘方法对不精确结构进行迭代优化,最后使用优化后的新子流程树替换初始流程树中不精确结构,构造多棵新流程树,将所有流程树转换为Petri网以评估模型质量,最终得到一个最佳Petri网模型。所提方法已在开源流程挖掘平台ProM中实现。基于6组公开的真实事件日志,对本文方法与已有模型挖掘方法进行对比实验。实验结果表明,本文方法相较于已有方法能够挖掘出质量更高,复杂度更低且健全性能够得到保证的模型,可以为后续的流程分析和改进提供更加有力的支持。

关键词：模型挖掘,归纳式挖掘,局部流程优化,不精确结构识别,流程树

基金资助：国家自然科学基金资助项目(62472264,52374221);山东省泰山学者工程专项基金资助项目(tsqn201909109);山东省自然科学杰出青年基金资助项目(ZR2025QA13)。