无'aba'模式日志中的2度循环挖掘算法αL+

本文探讨了一种新颖的从无“aba”模式的日志中挖掘2度循环的方法，针对现有的过程挖掘技术存在的局限性进行创新。传统的过程挖掘算法通常依赖于"aba"模式来识别2度循环，但在某些情况下，如那些满足局部完备性的日志文件中，这种模式可能并不存在。为了克服这一问题，研究者提出了αL+算法。 首先，该方法的核心是构建任务间的次序向量矩阵，这是一种抽象工具，能够捕捉2度循环结构的变体形式，即使在缺乏标准的“aba”模式时也能表达出潜在的循环结构。向量矩阵通过记录事件在不同任务之间的顺序，帮助分析员理解事件序列中的复杂交互。 接着，算法从全局视角出发，不仅考虑事件的出现频率，还结合事件的位置信息，以此来区分真正的2度循环和并发关系。这一步骤对于准确识别循环至关重要，因为它能避免误将并发行为误解为循环。 为了进一步排除并发分支上同类型循环产生的干扰，引入了紧邻度和回路抽象的概念。这些概念有助于过滤掉那些在时间或空间上不连续的循环，确保挖掘出的是真正的2度循环序列。 实验结果显示，αL+算法在处理既有“aba”模式又有非“aba”模式的日志文件时，表现出了显著的优势，能够有效地挖掘出2度循环。更重要的是，该算法已被成功集成到开源框架ProM中，使得研究人员和开发者可以方便地将其应用到实际的日志分析场景中。 总结来说，这篇文章贡献了一个有效的方法，解决了从无“aba”模式日志中挖掘2度循环的问题，这对于理解和优化复杂业务流程、提升系统性能和用户体验具有重要意义。同时，其技术上的创新也为日志分析领域的研究者提供了新的思考方向和实践工具。