TAR++：基于TAR重要性的新型过程模型相似性算法

"TAR ++:ANewProcessModelSimilarityAlgorithmBasedontheImportanceofTARs" 在企业中，业务流程模型是三大要素之一，被视为极其重要的资产。有效的过程模型相似性算法对于过程模型检索、聚类和分类至关重要。鉴于现有算法存在的不同缺陷，王书豪等人提出了一种新的基于转换相邻关系（TARs）重要性的过程模型相似性算法——TAR++。TAR++的主要思想是在TARs上添加重要权重，以生成加权TAR集，并重新定义联合和交集操作，从而更准确地描述转换之间的关系。 TAR++算法基于杰卡德系数（Jaccard Coefficient）构建，并利用了加权TAR集。杰卡德系数是一种衡量两个集合相似度的指标，在这里被用来评估两个过程模型的相似程度。通过引入加权TAR集，TAR++能够更好地捕捉到模型中各个转换之间的相对重要性，这对于评估模型的整体相似性具有重要意义。 TAR++算法的实现步骤如下： 1. 首先，识别并提取过程模型中的转换和转换相邻关系（TARs）。转换代表了模型中的活动或决策点，而TARs描述了这些转换之间的连接。 2. 其次，为每个TAR分配一个权重，该权重反映了其在模型中的重要性。这可以通过分析TAR的频率、其连接的转换的重要性，或者通过其他方式来确定。 3. 接着，使用加权TAR集来表示过程模型，其中每个TAR都带有相应的权重值。 4. 定义新的联合和交集操作，这些操作考虑了TARs的权重，而不是简单地计数。 5. 最后，使用加权TAR集的联合和交集来计算两个模型之间的相似度，这通常涉及到杰卡德系数或其他相似度测量方法的扩展形式。 为了验证TAR++算法的有效性和优势，研究者在SAP、中国中车和东方锅炉集团的实际数据集上进行了实验。这些实验证明了TAR++在处理不同类型的业务流程模型时，能够提供更精确的相似性度量，从而提高模型检索、聚类和分类的准确性。 关键词：展开模型、转换相邻关系、重要性权重、杰卡德系数、过程模型相似性、业务流程管理