[发明专利]基于任务类型的流程挖掘一致性检查方法、介质及系统

说明书

本发明请求保护一种基于任务类型的流程挖掘一致性检查方法、系统及介质，属于数据挖掘领域，对流程挖掘模型结构性进行评估的方法。本发明是一种将挖掘模型与原始模型进行对比，并结合任务类型的一致性检查方法。首先遍历原始模型和挖掘模型，得到各个模型中的全部任务数、可见任务数、重复任务数、不可见任务数，再计算模型中重复任务和不可见任务所占比例，最后带入结构性评估公式中计算。该发明能够有效的对挖掘模型进行一致性检查，从而合理的评估模型的结构性，以达到评估挖掘算法有效性的目的。

技术领域

本发明属于数据挖掘领域，面向流程挖掘模型结构性的评估方法，涉及一种将挖掘模型与原始模型进行对比，并结合任务类型的一致性检查方法。

背景技术

如今，企业业务流程变得越来越复杂。对于企业来说，如何得到一个高质量的业务流程模型也变得愈发重要。传统信息系统中记录的业务数据信息，可以将其提取出来并将其进行处理，从而转换成可输入流程挖掘方法的事件日志。流程挖掘(Process Mining)的目的在于从业务流程系统产生的事件日志中提取出有价值的信息，从而去发现、监控和改进实际的业务流程，流程挖掘主要有三大应用领域：流程发现、一致性检查和流程增强。

流程发现是指从信息系统产生的事件日志中提取出流程模型，流程模型的表示方法有很多种，如Petri网、变迁系统、工作流网、BPMN、YAWL等。Petri网图形表示方式直观简单，并且可以与其他表示方式互相转换，现有大多数流程挖掘技术所使用的流程模型是用Petri网表示的，因此本发明采用Petri网表示流程模型。

Gartner的报告指出一致性检查的重要性在不断增长。一致性检查的目的是评估挖掘模型的质量，发现挖掘模型与原始模型的偏差，而挖掘模型的质量反映了挖掘算法的好坏。

评估与日志相关的流程模型的质量也很困难。流程发现算法以事件日志为输入，以输出满足特定属性的流程模型为目标，这通常被称为流程挖掘的四个质量维度。一致性检查的四个维度分别为评估适应性、精确性、泛化性和可理解性四个维度。其中可理解性主要是评估模型的简洁性和结构性。多年来，每个质量维度都开发了几个一致性检查方法。目前使用较多的结构性评估方法有a′_s和S方法两种。a′_s方法将重复任务和不可见任务是为作为冗余任务，认为挖掘模型中包含的重复任务和不可见任务越少越好，但是没有将挖掘模型与原模型进行对比。S方法将原模型和挖掘模型的加权平均弧连接度进行了对比，但是其没有考虑模型中的任务类型，从而不能有效地评估包含重复任务的流程模型的结构性。

申请公开号CN106599230A，一种分布式数据挖掘模型评估的方法与系统。所述方法包括：S1，利用特定评估指标集生成模型评估模块；S2，基于评估数据集，利用所述模型评估模块以分布式策略对至少一个数据挖掘模型进行评估。本发明基于Spark分布式内存计算技术实现各类算法评估指标，形成评估指标库，使用流程化方式对一个或多个算法进行评估。所述模型评估节点作为流程化评估的节点，可以在一次评估重复多次使用，因而也可以实现对算法的重复多次模型评估和多模型同步分析，通过评估指标表及增益图和提升图对评估结果进行显示，帮助选择满足各种分类数据挖掘条件的最佳数据挖掘模型。该发明主要针对数据挖掘模型进行评估，无法对工作流挖掘算法进行评估，而本发明通过对工作流挖掘得到的挖掘模型进行评估，从而达到对工作流挖掘算法进行评估的目的。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种基于任务类型的流程挖掘一致性检查方法、介质及系统。本发明的技术方案如下：

一种基于任务类型的流程挖掘一致性检查方法，其包括以下步骤：获取原始模型和挖掘模型，原始模型是软件设计时已确定的流程模型，挖掘模型是从业务流程的信息系统中提取的流程模型；遍历原始模型和挖掘模型，分别得到原始模型和挖掘模型中的全部任务数、可见任务数、重复任务数、不可见任务数；再计算原始模型和挖掘模型中重复任务和不可见任务所占比例，最后带入结构性评估公式中计算。