主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2018年第12期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
鲁法明,曾庆田,段华,程久军,包云霞.一种并行化的启发式流程挖掘算法.软件学报,2015,26(3):533-549
一种并行化的启发式流程挖掘算法
Parallelized Heuristic Process Mining Algorithm
投稿时间:2014-06-30  修订日期:2014-11-21
DOI:10.13328/j.cnki.jos.004769
中文关键词:  流程挖掘  启发式挖掘算法  长距离依赖关系  案例模型  案例簇
英文关键词:process mining  heuristic mining algorithm  long distance dependency  case model  case cluster
基金项目:国家自然科学基金(61170079, 61202152, 61472229, 61472284); 山东省科技发展项目(2014GGX101035); 山东省优秀中青年科学家科研奖励基金(BS2014DX013); 青岛市科技计划基础研究项目(13-1-4-153-jch, 2013-1-24); 同济大学嵌入式系统与服务计算教育部重点实验室开放课题基金(ESSCKF201403); 山东科技大学群星计划(qx2013113, qx2013354)
作者单位E-mail
鲁法明 山东科技大学 信息科学与工程学院, 山东 青岛 266590
嵌入式系统与服务计算教育部重点实验室同济大学, 上海 200092 
 
曾庆田 山东科技大学 电子通信与物理学院, 山东 青岛 266590
山东科技大学 信息科学与工程学院, 山东 青岛 266590 
qtzeng@163.com 
段华 山东科技大学 数学与系统科学学院, 山东 青岛 266590  
程久军 嵌入式系统与服务计算教育部重点实验室同济大学, 上海 200092  
包云霞 山东科技大学 数学与系统科学学院, 山东 青岛 266590  
摘要点击次数: 3180
全文下载次数: 2578
中文摘要:
      启发式流程挖掘算法在日志噪音与不完备日志的处理方面优势显著,但是现有算法对长距离依赖关系以及2-循环特殊结构的处理存在不足,而且算法未进行并行化处理.针对上述问题,基于执行任务集将流程模型划分为多个案例模型,结合改进的启发式算法并行挖掘各个案例模型所对应的C-net模型;再将上述模型集成得到完整流程对应的C-net.同时,将长距离依赖关系扩展为决策点处两个任务子集之间的非局部依赖关系,给出了更为准确的长距离依赖关系度量指标和挖掘算法.上述改进措施使得该算法更为精确、高效.
英文摘要:
      Heuristic process mining algorithm has a significant advantage in dealing with noise and incomplete logs. However, existing heuristic process mining algorithms cannot handle long-distance dependencies and lenth-2-loop structures correctly in some special situations. Besides, none of them are parallelized. To address the problems, process models are divided into multiple case models according to executed activity set at first. Then the C-nets corresponding to case models are discovered with an improved heuristic process mining algorithm in parallel. After that, these C-nets are integrated to derive the complete process model. Meanwhile, the definition of long- distance dependencies is extended to non-local dependencies between two activity sets in decision points. In addition, a more accurate long- distance dependency metrics and its corresponding mining algorithm are presented. These improvements make the proposed algorithm more accurate and efficient.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利