工作流挖掘技术研究.doc

工作流挖掘技术研究.doc工作流挖掘技术研究摘要:本文首先对工作流挖掘的相关知识做了介绍,然肩对国内外工作流挖掘当前研究进展以及己有成果做了总结,简要介绍了儿种有代表性的过程挖掘算法。最后展望了工作流挖掘领域目前存在的挑战性问题。关键词:工作流挖掘;算法;日志过程挖掘随着工作流技术的发展,工作流管理广泛应用到企业信息系统屮。T作流管理系统应用的核心问题是构造符合业务过程需求的工作流模型。然而。构造工作流模型本身是一-件繁琐、易出错的活动,且需要深厚的领域知识支持。如何通过事件日志來分析业务活动之问的依赖关系,H动产生业务过程模型,从而辅助工作流模型的设计。这是工作流挖掘技术的口标。。T作流挖掘(workflowmining)也称为流程挖掘(pTocessmining),是数据挖掘在T作流管理领域的一种较新的应用,通过对工作流运行产生的日志进行分析,重现业务流程的真实过程,利用这些知识对工作流进行分析和优化等。工作流挖掘可以用于工作流模型设计与运行时的差异分析,由于业务变化和异常处理的需要使工作流正朝着柔性的方向发展。一、工作流挖掘研究与应用现状工作流包括五个方而的信息:功能方面(functionalpetspective):描述了T作流流程应该做什么T作,。行为方面(behavioralperspective):描述了什么时候该做什么任务,即“控制流(Controlflow)"方而的消息。例如各个任务应该按什么顺序执行。信息方面(informationalperspective):描述流程"数据流(Dataflow)方面的信息,即任务的执行用到了哪些数据=anizationa1perspective):描述流程参与者的信息,例如某个任务需要哪个/哪些用八执行。操作方面(operationalperspective):描述完成任务的方式,即某个任务该如何被完成。工作流挖掘,是从系统已有的口志信息屮,挖掘流程以上五个方面的信息,反应流程的真正运作情况。白从1998年IBM研究院Agrawal等研究员提出从日志发现工作流过程模型起,至今涌现出许多流程挖掘的研究。这些研究,采用乞H的日志模型,不同的方法体系,挖掘出不同类型、包含不同信息的工作流模型。但是这些方法均是基于某些假设,其应用受到某些制约。Aalst等指出“如何挖掘模型屮的循环结构”是流程挖掘需要研究的问题之一。已有的研究屮人多数算法能支持顺序、选择及并行三种结构的挖掘,但部分算法假设模型屮不存在循坏结构。尽管也有算法能支持循环结构的挖掘,但在循环结构的处理上仍存在缺陷。下血简单介绍流程挖掘的部分研究情况,当屮主要讨论算法对循环结构的支持情况。Cook筹人以软件工程处理过程为研究背景,提出了三种方法:神经网络方法、纯算法的方法(采用白动机)及基于概率统计的算法(采用马尔科夫模型)[1]。Cook等人认为厉两者更为有效,但是方法仅限于顺序结构,Cook等人将T作扩展至并行过程。他们提出特定的度量标准(爛、事件类型统计、周期及因果关系等),通过对事件流扫描计算出这些度趙,重纟fl模型。算法不支持循环结构。Agrawal^[2]提出了模型挖掘的三个目标:完敕性、正确性以及最小性。根据工作流日志屮活动执行的先示顺序关系,确定表示工作流