A Multi-View Framework to Detect Redundant Activity Labels for More Representative Event Logs in Process Mining
流程挖掘的目的是通过从信息系统生成的事件日志中发现流程模型来获得业务流程的知识。流程挖掘揭示的洞察力在很大程度上依赖于事件日志的质量。从不同数据源提取的活动或同一系统内的自由文本性质可能导致标签不一致。这样的不一致会导致活动标签的冗余，这些标签指的是具有不同语法但共享相同行为的标签。冗余的活动标签可能会给事件日志带来不必要的复杂性。从数据驱动的过程发现中识别这些标签是困难的，并且严重依赖于人工干预。现有的进程发现算法和事件数据预处理技术都不能有效地解决这种冗余。在本文中，我们提出了一种多视图的方法来自动检测冗余的活动标签，不仅使用上下文感知功能，如控制流关系和属性值，但也从事件日志的语义特征。我们对几个公开数据集和一个真实案例研究的评估表明，我们的方法可以有效地检测冗余活动标签，即使是低出现频率。所提出的方法可以增加预处理步骤的价值，以生成更具代表性的事件日志。
2022-05-18 cs.DB cs.IR
Analysis of Web Logs and Web User in Web Mining
日志文件包含有关用户名、IP地址、时间戳、访问请求、已传输的IP数、结果状态、已引用的URL和用户代理的信息。日志文件由Web服务器维护。通过分析这些日志文件，可以对用户有一个清晰的了解。本文详细讨论了这些日志文件，它们的格式，它们的创建，访问过程，它们的使用，使用的各种算法以及可以在日志文件中使用的附加参数，从而为有效的挖掘提供了途径。它还提供了创建扩展日志文件和学习用户行为的想法。
2011-01-29 cs.DB
OC-PM: Analyzing Object-Centric Event Logs and Process Models
以对象为中心的过程挖掘是过程挖掘的一个新的分支，其目的是更自然地分析来自主流信息系统（如SAP）的事件数据，而不是被迫形成具有案例概念的规范的相互排斥的事件组。以对象为中心的过程挖掘的发展与利用以对象为中心的事件日志有关，包括对日志中包含的行为进行探索和过滤，以及构造能够对不同类别的对象的行为及其交互进行编码的过程模型（这些行为可以从以对象为中心的事件日志中发现）。本文的目的是提供一个广泛的探索和处理以对象为中心的事件日志，以发现与组成事件日志的不同对象的生命周期相关的信息。此外，全面的工具支持（OC-PM）实现所提出的技术的文件中描述。
2022-09-20 cs.DB
Recommendations for web service composition by mining usage logs
Web服务组合是近十年来研究最多的课题之一。Web服务组合的新方法包括基于语义的组合、基于WSDL的组合等。虽然这些方法为基于网络QoS参数和与WSDL相关的语义或本体的Web服务组合、搜索和发现提供了有希望的结果，但它们没有解决基于Web服务使用的组合。Web服务使用日志通过业务对象捕获Web服务调用的时间序列数据，这些业务对象天生捕获与业务操作相关联的模式或工作流。基于这种模式和工作流的Web服务组合可以极大地简化业务操作。在本研究工作中，我们试图探索和实现Web服务使用日志的挖掘方法。主要目标包括识别服务的使用关联。将一个服务调用与其他服务调用链接，评估服务关联之间的因果关系
2016-04-11 cs.DB cs.SE
Filtering and Sampling Object-Centric Event Logs
流程挖掘技术的可扩展性是处理企业信息系统中每天产生的大量事件数据的主要挑战之一。为此，提出了过滤和采样技术，以保持原始日志的行为的子集，并使过程挖掘技术的应用可行。虽然已经提出了用于过滤/采样传统事件日志的技术，但是过滤/采样以对象为中心的事件日志更具挑战性，因为要考虑的因素（事件、对象、对象类型）的数量显著更高。本文提供了一些过滤/采样以对象为中心的事件日志的技术。
2022-05-03 cs.DB
Graph or Relational Databases: A Speed Comparison for Process Mining Algorithm
流程感知信息系统（PAIS）是管理、支持业务流程并从业务流程的执行中生成大型事件日志的IT系统。事件日志表示为一个元组，其形式为CaseID、TimeStamp、Activity和Actor。流程挖掘是一个新兴的研究领域，它处理基于事件日志的业务流程的研究和分析。流程挖掘旨在分析事件日志，发现业务流程模型，增强它们或检查与先验模型的一致性。生成的大量事件日志存储在数据库中。关系数据库对于某些类型的应用程序表现良好。然而，对于某些类别的应用程序，关系数据库不能扩展。许多NoSQL数据库已经出现，遇到了可扩展性的挑战。从事件日志中发现社会网络是流程挖掘中最具挑战性和重要的任务之一。相似任务和分包算法是组织挖掘中应用最广泛的算法之一。我们的目标是调查的数据库（关系或图）执行更好的组织挖掘下的过程挖掘。流程挖掘和图数据库的交叉可以通过使用图数据库对这些组织挖掘指标进行建模来实现。我们只使用查询语言结构在关系数据库和NoSQL（面向图）数据库上实现相似任务和分包算法。我们进行了实证分析，在一个大的现实世界的数据集，比较面向行的数据库和NoSQL面向图的数据库的性能。我们基准性能因素，如查询执行时间，CPU使用率和磁盘/内存空间使用的NoSQL面向图的数据库对面向行的数据库。
2016-12-31 cs.DB
Mining Precision Interfaces From Query Logs
交互式工具通过隐藏底层查询复杂性并为与分析相关的查询部分公开交互式小部件，使数据分析更高效，更易于最终用户访问。然而，创建定制的（即，精确的）接口是非常昂贵的，并且自动化方法是期望的。我们提出了一种语法方法，使用查询分析生成一个量身定制的接口。我们将接口部件建模为修改当前分析查询$q$的函数I（q）-> q'，并将接口建模为其部件可以表达的查询集。我们的系统，精度接口，分析输入查询之间的结构变化，从分析，并生成一个输出界面与小部件来表达这些变化。我们在Sloan Digital Sky Survey查询日志上的实验表明，Precision Interfaces可以为简单的意外任务生成有用的接口，我们的优化可以在不到10秒的时间内从多达10，000个查询的日志中生成接口。
2019-04-15 cs.DB
Business Process Deviance Mining: Review and Evaluation
Queensland University of Technology（昆士兰理工大学）；University of Tartu（塔尔图大学）
业务流程偏差是指业务流程的一部分执行偏离其预期或理想结果的现象，无论是消极的还是积极的。业务流程的异常执行包括那些违反法规遵从性规则的执行，或者低于或超过性能目标的执行。异常挖掘是通过分析业务流程事件日志来发现异常执行的原因。本文提供了一个系统的审查和比较评估的偏差挖掘方法的基础上，家庭的数据采掘技术称为序列分类。使用现实生活中的日志从多个领域，我们评估了一系列的功能类型和分类方法的能力，以准确区分正常和异常的执行过程。我们还分析了使用不同方法提取的规则集的兴趣度。我们观察到，使用模式挖掘技术提取的特征集仅略优于简单的特征集的基础上计数的个人活动发生在一个跟踪。
2016-08-29 cs.AI cs.DB
Mining Periodic Patterns with a MDL Criterion
可用的事件日志的数量正在迅速增加，例如，它们是由工业过程、计算系统或生命跟踪产生的。因此，必须设计有效的方法来揭示它们所包含的信息。由于事件日志通常记录重复的现象，因此在考虑此类数据时，挖掘周期性模式尤其重要。事实上，捕捉这样的信息有助于提供事件序列的浓缩表示。我们提出了一种从事件日志中挖掘周期性模式的方法，同时依赖于最小描述长度（MDL）标准来评估候选模式。我们的目标是提取一组适当表征数据中存在的周期性结构的模式。我们评估我们的方法在几个真实世界的事件日志数据集的兴趣。
2018-07-04 cs.DB
Cross-Organizational Analysis of Parliamentary Processes: A Case Study
本文首次将过程挖掘应用于德国州议会流程，通过分析三个州议会的立法流程揭示差异与最佳实践，开辟了结合政治学与过程挖掘的新型跨学科研究领域。
2025-08-14 cs.DB
Mining Frequent Patterns in Process Models
流程挖掘已经成为一种分析组织行为的方法，它通过从事件日志中提取知识，并提供发现、监控和增强真实流程的技术。在过程模型的发现中，检索一个复杂的过程模型，即，一个难以理解的过程模型，可能会阻碍信息的提取。即使在结构良好的过程模型中，也存在无法用当前技术获得的信息。在本文中，我们提出了WoMine，这是一种从模型中检索频繁行为模式的算法。我们的方法搜索过程模型提取结构的序列，选择，平行和循环，这是经常在日志中执行。这一建议已经过验证的一组过程模型，包括一些来自BPI挑战，并与最先进的技术。实验证明，WoMine可以发现所有类型的模式，提取无法用最先进的技术挖掘的信息。
2017-10-11 cs.AI cs.DB
An Event Data Extraction Approach from SAP ERP for Process Mining
从信息系统中提取、转换和加载事件日志是流程挖掘中的第一步，也是最昂贵的一步。特别是，从流行的ERP系统（如SAP）中提取事件日志带来了重大挑战，因为数据的大小和结构。对ETL的开源支持是稀缺的，而商业流程挖掘供应商维护到ERP系统的连接器，以特定的方式支持有限数量的业务流程的ETL。在本文中，我们提出了一种方法，以促进事件数据提取SAP ERP系统。在所提出的方法中，我们存储的事件数据的格式，以对象为中心的事件日志，有效地描述了ERP系统支持的业务流程的执行。为了评估所提出的方法的可行性，我们已经开发了一个工具，实现它，并进行了案例研究与现实生活中的SAP ERP系统。
2021-10-07 cs.DB
Towards Quantifying Privacy in Process Mining
流程挖掘使用事件日志来提供对实际流程的见解。事件日志由信息系统记录，包含有价值的信息，可帮助组织改进其流程。然而，这些数据还包括高度敏感的私人信息，这是应用流程挖掘时的主要问题。因此，在进程挖掘中的隐私保护越来越重要，新的技术正在被引入。建议的隐私保护技术的有效性需要进行评估。重要的是要衡量敏感数据保护和数据实用程序保护。在本文中，我们提出了一种方法来量化隐私保护技术的有效性。我们引入了两种量化披露风险的措施，以评估敏感的数据保护方面。此外，提出了一种措施，以量化的数据效用保存的主要过程挖掘活动。所提出的措施已经过测试，使用各种现实生活中的事件日志。
2020-12-21 cs.CR cs.DB
Graph-based process mining
流程挖掘是一个研究领域，它支持从业务流程的执行事件日志中发现有关业务流程的信息。组织中事件日志数量的增加对当前的流程挖掘技术提出了挑战，这些技术倾向于将数据加载到计算机的内存中。这个问题限制了组织大规模地应用流程挖掘，并且由于缺乏数据管理能力而引入了风险。因此，本文介绍和形式化的一种新的方法来存储和检索事件日志到/从图数据库。它定义了一种在图数据库中计算直接跟随图（DFG）的算法，将流程挖掘的繁重计算部分转移到图数据库中。在图数据库中计算DFG使得能够利用图数据库的水平和垂直缩放能力，以有利于大规模地应用流程挖掘。此外，它消除了将数据转移到分析师计算机中的要求。因此，它使得能够在图形数据库中使用数据管理能力。我们在Neo4j中实现了这种方法，并使用真实的日志文件与当前技术进行了比较。结果表明，当数据量远大于计算内存时，我们的方法能够计算DFG。当将数据分割成小块时，它也显示出更好的性能。
2020-07-18 cs.DB
Mining Precision Interfaces From Query Logs
交互式工具使数据分析更有效，更容易为广大人群所用。简单的界面（如Google Finance）以及复杂的可视化探索界面（如Tableau）都是有效的，因为它们是针对所需的用户任务量身定制的。然而，设计交互式界面需要技术专长和领域知识。专家是稀缺和昂贵的，因此目前不可能为每个用户和每个任务提供定制的（或精确的）界面。我们设想一种数据驱动的方法来生成量身定制的交互式界面。我们观察到，交互式界面的目的是表达一套程序，因此，越来越多的数据系统收集的程序样本，可以帮助我们建立交互式界面。基于这一思想，Precision Interfaces是一个与语言无关的系统，它检查输入查询日志，识别查询在结构上如何变化，并生成交互式Web界面来表达这些变化。本文的重点是将这种思想应用于结构化查询的日志。我们的实验表明，Precision Interfaces可以支持多种查询语言（SQL和SPARQL），从OLAP查询中派生Tableau的突出交互组件，在不到12分钟的时间内分析<75k个查询，并生成改进现有界面的交互设计，与人工制作的界面相当。
2017-11-30 cs.DB
An IoT-Enriched Event Log for Process Mining in Smart Factories
物联网（IoT）等现代技术在包括业务流程管理（BPM）研究在内的各个领域变得越来越重要。BPM中的一个主要研究领域是流程挖掘，它可用于分析事件日志，例如，用于检查运行进程的一致性。然而，只有少数基于物联网的事件日志可用于研究目的。其中一些是人工生成的，问题是它们并不总是完全反映智能环境的实际物理属性。在本文中，我们提出了一个由物理智能工厂生成的物联网丰富的XES事件日志。为此，我们创建了SensorStream XES扩展，用于在事件日志中表示IoT数据。最后，我们提出了一些初步的分析和日志的属性。
2022-09-06 cs.DB
Cancer Research UK Drug Discovery Process Mining
THE UNIVERSITY OF SHEFFIELD（谢菲尔德大学）
背景英国癌症研究中心（CRUK）的药物发现部门（DDU）正在使用Dotmatics软件来存储和分析药物发现过程中的科学数据。虽然数据包括事件日志、时间戳、活动和用户信息，但它们大多位于数据库中，没有充分利用其潜在价值。目标。本文旨在从药物发现过程中记录的事件日志数据中提取知识，以捕获英国癌症研究中心（CRUK）DDU正在执行的业务流程。为药物发现过程提供了过程挖掘全景模型的评价和绘制方法。因此，通过使DDU能够最大限度地提高其在审查其资源和工作分配方面的效率，患者将更快地受益于更多的新治疗方法。结论组织的管理可以从过程挖掘方法中受益。迪斯科对于非管理专家来说是极好的。ProM非常适合研究目的的专家。然而，流程挖掘不是一劳永逸的，而是一个常规的运营管理过程。事实上，事件日志需要更多地了解目标组织行为和组织业务流程。研究人员必须意识到，事件日志数据是流程挖掘中最重要和最优先的元素。
2018-05-18 cs.DB cs.LG
Mining Constraints from Reference Process Models for Detecting Best-Practice Violations in Event Logs
本文提出一个从参考过程模型集合中挖掘声明式最佳实践约束的框架，自动选择与事件日志相关的约束并检测最佳实践违规，从而无需专用规范模型即可进行一致性检查。
2025-08-22 cs.DB cs.SE
Extracting and Pre-Processing Event Logs
事件数据是所有流程挖掘分析的基础。大多数流程挖掘技术都假设它们的输入是事件日志。然而，事件数据很少以事件日志格式记录，而是必须从原始数据中提取。事件日志提取本身就是一种建模行为，因为分析人员必须有意识地选择原始数据的哪些特征用于描述哪些实体的哪些行为。了解这些选择以及跟踪、案例、活动、事件、表和日志等概念中细微但重要的差异，对于掌握高级流程挖掘分析至关重要。本文提供了基本概念和形式化，并讨论了从原始事件表中提取事件日志和事件日志预处理的设计决策。它是作为一个过程采矿课程的高级讲座的学习材料。
2022-11-08 cs.DB cs.DS
A Scalable Database for the Storage of Object-Centric Event Logs
以对象为中心的流程挖掘提供了一组用于分析事件数据的技术，其中事件与多个对象相关联。为了存储以对象为中心的事件数据库（OCEL），最近提出了JSON-OCEL和JSON-XML格式。然而，OCEL的建议实现是基于文件的。这意味着需要解析整个文件，以便应用流程挖掘技术，例如发现以对象为中心的流程模型。在本文中，我们提出了一种使用MongoDB文档数据库存储OCEL格式的数据库。由于MongoDB中的文档等同于JSON对象，因此该标准的当前JSON实现可以直接转换为一系列MongoDB集合。
2022-02-11 cs.DB
Mining Process Model Descriptions of Daily Life through Event Abstraction
Eindhoven University of Technology（埃因霍温理工大学）；Philips Research（飞利浦研究院）
流程挖掘技术的重点是从事件日志中提取对流程的洞察。过程挖掘有可能在（非）健康习惯方面提供有价值的见解，并在应用于来自灵巧家庭环境的数据时有助于环境辅助生活解决方案。然而，在灵巧家庭环境中记录的事件是在传感器触发器的级别上，在该级别上，过程发现算法产生过度概括的过程模型，该过程模型允许太多的行为并且难以为人类专家解释。我们表明，抽象的事件，以更高层次的解释，可以发现更精确，更容易理解的模型。我们提出了一个框架提取的功能，可用于抽象的监督学习方法，是基于XES IEEE标准的事件日志。在传感器和人类活动事件都已知的训练数据上训练该框架之后，该框架可以自动地将传感器级事件抽象为它们在人类活动级的解释。我们展示了我们的抽象框架上的三个现实生活中的灵巧家庭事件日志，并表明，抽象后可以发现的过程模型确实更精确。
2017-05-25 cs.AI cs.DB cs.LG
Object-Centric Event Logs: Specifications, Comparative Analysis and Refinement
针对当前以对象为中心的流程挖掘缺乏统一日志格式、算法互操作性差的问题，本文从流程挖掘、对象-centric流程建模、数据库存储三个视角提出规范框架，对比分析现有日志格式的异同，探讨未解问题并提出解决方案，以推动该领域的一致性与兼容性发展。
2024-05-21 cs.DB
Mining Event Logs to Support Workflow Resource Allocation
工作流技术被广泛应用于企业信息系统（EIS）的业务流程中，具有缩短设计时间、提高产品质量和降低产品成本的潜力。然而，仍然存在显著的局限性：作为工作流环境中的一项重要任务，许多现有的资源分配操作仍然是手动执行的，这是耗时的。本文提出了一种数据采掘方法来解决资源分配问题（RAP），提高工作流资源管理的生产率。具体地说，一个Apriori类算法被用来发现频繁模式从事件日志，并根据预定义的资源分配约束生成关联规则。随后，一个名为提升的相关性度量被用来标注负相关的资源预留资源分配规则。最后，使用置信度度量作为资源分配规则对规则进行排名。通过C4. 5、SVM、ID3、Naive Bayes和本文提出的方法进行对比实验，结果表明，本文提出的方法在准确率和候选资源推荐方面都是有效的。
2012-06-28 cs.DB cs.SE
Control-Flow-Based Querying of Process Executions from Partially Ordered Event Data
在流程挖掘中，事件日志包含描述操作流程执行的事件数据。大多数流程挖掘技术将事件日志作为输入，并通过分析提供的数据来生成有关底层流程的见解。因此，处理大量的事件数据是成功应用流程挖掘的关键。传统上，单个流程执行被认为是顺序排序的流程活动。然而，流程执行越来越多地被视为部分有序的活动，以更准确地反映在现实中观察到的流程行为，如活动的同时执行。包含部分有序活动的流程执行可能包含比基于序列的流程执行更复杂的活动模式。本文提出了一种新的查询语言，用于从包含偏序活动的事件日志中调用进程执行。查询语言允许用户指定活动上的复杂排序关系，即，控制流约束。对给定日志的查询求值将返回满足指定约束的进程执行。我们演示了在一个过程挖掘工具中的查询语言的实现，并评估其在现实生活中的事件日志的性能。
2023-01-04 cs.DB
Mining Insights from Weakly-Structured Event Data
本文主要研究在事件数据上的过程挖掘，因为事件数据缺乏规范的描述，因此，事件数据的结构化程度较低。本文特别强调了一个适合这种描述的应用领域：记录日常活动序列的灵巧家庭数据分析。在这篇论文中，我们提出了一套技术来分析这些数据，这可以分为两类技术。第一类方法侧重于预处理事件日志，以便使流程发现技术能够提取对非结构化事件数据的洞察。在这一类别中，我们开发了以下技术：-一种无监督的方法，根据事件发生的时间来细化事件标签，例如，允许将记录的饮食事件区分为早餐，午餐和晚餐。- 一种从事件日志中检测和过滤所谓的混沌活动的方法，混沌活动是导致流程发现方法过度概括的活动。- 一个监督的方法，抽象的低级别的事件到更高级别的事件，我们表明，存在的情况下，过程发现方法过度概括的低级别的事件数据，但能够找到精确的模型的高级别的事件数据。第二类侧重于挖掘本地流程模型，即，流程模型模式的集合，每个流程模型模式描述某个频繁的模式，这与用现有流程发现技术获得的单个全局流程模型形成对比。介绍了局部过程模型挖掘的基本方法、快速但近似的探试法和基于约束的方法。
2019-09-03 cs.AI cs.DB
Relational Algebra for In-Database Process Mining
实践中用于流程挖掘的执行日志通常是通过查询操作数据库并将结果存储在平面文件中来获得的。因此，数据库系统的数据处理能力不能再用于这些信息，导致挖掘模式定义的灵活性受限，以及挖掘大型日志的执行性能受限。因此，直接在数据库上启用流程挖掘（而不是通过平面文件中的中间存储）提供了额外的灵活性和效率。为了帮助促进这一理想的数据库中的过程挖掘，本文正式定义了一个数据库操作符，提取“直接遵循”的关系，从操作数据库。该操作符既可用于进行数据库内流程挖掘，也可用于灵活评估流程挖掘相关查询，例如：“哪个员工最频繁地将案例的'amount'属性从一个任务更改为下一个任务”。我们使用著名的关系代数来定义运算符，关系代数形成了关系数据库的形式基础。我们正式证明等价的操作，是有用的查询优化和目前的时间复杂度的操作属性。通过这样做，本文正式定义了必要的关系代数元素的“直接如下”操作，这是需要这样的操作在DBMS中的实现。
2017-06-26 cs.DB
Transforming Football Data into Object-centric Event Logs with Spatial Context Information
Humboldt-Universität zu Berlin（洪堡洪堡大学柏林分校）；Weizenbaum Institute（魏泽瑙研究所）；Wirtschaftsuniversität Wien（经济大学维也纳）
本文提出一个将足球数据转换为带空间维度的以对象为中心的事件日志的框架，并基于真实数据验证其有效性，为足球分析中该类型日志提供了首个示例。
2025-07-16 cs.AI cs.DB
SaCoFa: Semantics-aware Control-flow Anonymization for Process Mining
Humboldt-Universität zu Berlin（柏林洪堡大学）；University of Mannheim（曼海姆大学）
隐私保护流程挖掘使得能够使用事件日志分析业务流程，同时保证流程利益相关者的敏感信息的保护。为此，现有的方法添加噪声的查询，提取事件日志的属性，如跟踪变量的频率分布，用于分析的结果。噪声插入忽略了过程的语义，虽然，可能会产生不存在于原始日志中的跟踪。这是有问题的。它降低了公布的数据的效用，并使噪音很容易识别，因为一些痕迹会违反众所周知的语义constrains.In本文中，我们因此认为，隐私保护，结合了一个过程的语义。对于常见的跟踪变量查询，我们展示了如何，指数机制的基础上，语义约束，以确保差分隐私的查询结果。实验表明，我们的语义感知的匿名化产生的事件日志显着更高的效用比现有的方法。
2021-09-17 cs.AI cs.CR cs.DB
IBM Multilevel Process Mining vs de facto Object-Centric Process Mining approaches
IBM 提出多层级流程挖掘方法，结合面向对象流程挖掘的优势，开发出新的组织挖掘功能，展示其创新性和实用性。
2025-12-04 cs.DB
Detecting Dynamic Relationships in Object-Centric Event Logs
INESC-ID/Instituto Superior Técnico, Universidade de Lisboa（里斯本大学高等技术学院）；Free University of Bozen-Bolzano（博尔扎诺自由大学）；Hasso Plattner Institute, University of Potsdam（波茨坦大学哈索·普拉特纳研究所）
本文提出用于在对象中心事件日志中表示和操作动态关系的新假设，通过验证现有日志证明其有效性，确保关系语义的透明性。
2026-03-17 cs.DB
Advancements and Challenges in Object-Centric Process Mining: A Systematic Literature Review
本文系统综述了以对象为中心的过程挖掘技术，旨在解决传统事件日志的不足、收敛和发散问题，并分析了其当前应用有限的原因及历史发展轨迹。
2023-11-15 cs.DB
Causal Process Mining from Relational Databases with Domain Knowledge
针对过程挖掘中直接跟随关系在多对象关联场景下的缺陷，提出以关系数据库为输入、基于因果过程模板构建因果事件图的因果过程挖掘方法，案例研究验证了结合领域知识的优势。
2023-07-20 cs.DB
A Ground Truth Approach for Assessing Process Mining Techniques
提出一种基于基准真值生成流程数据的方法，结合行为偏差与记录错误，用于更准确评估流程挖掘技术，并通过一致性检查用例展示其优势。
2025-01-24 cs.DB
From Source to Target: Leveraging Transfer Learning for Predictive Process Monitoring in Organizations
Chair of Digital Industrial Service Systems, Friedrich-Alexander-Universität Erlangen-Nürnberg（数字工业服务系统教授，弗赖堡-亚历山大大学埃尔兰根-纽伦堡）；Professorship for Business Analytics, Technische Hochschule Nürnberg Georg Simon Ohm（商业分析教授，技术学院纽伦堡乔治·西蒙·奥姆）
本文提出基于迁移学习的预测性流程监控方法，通过在组织内和跨组织场景迁移预训练模型等资源，解决目标组织事件数据不足的问题，并在 IT 服务管理流程实验中验证其有效性。
2025-09-30 cs.CL cs.DB cs.LG
Detecting Anomalous Events in Object-centric Business Processes via Graph Neural Networks
University of Amsterdam（阿姆斯特丹大学）
针对传统扁平化事件日志难以表达多案例关联的问题，提出结合以对象为中心的流程挖掘与图卷积自编码器的异常检测框架，在活动类型和属性层面取得良好效果。
2024-02-14 cs.DB cs.LG q-fin.ST
Empirical Analysis on Comparing the Performance of Alpha Miner Algorithm in SQL Query Language and NoSQL Column-Oriented Databases Using Apache Phoenix
流程感知信息系统（Process Aware Information Systems，PAIS）是一种支持业务流程并从业务流程的执行中生成大量事件日志的IT系统。事件日志表示为CaseID、Timestamp、Activity和Actor的元组。流程挖掘是一个新兴的领域，旨在通过分析事件日志来发现、增强和改进业务流程，并检查运行时间和设计时间业务流程之间的一致性。生成的大量事件日志存储在数据库中。关系数据库对于某类应用程序表现良好。然而，有一类应用程序是关系数据库无法扩展的。为了处理这类应用程序，NoSQL数据库系统出现了。从事件日志中发现流程模型（工作流模型）是流程挖掘中最具挑战性和重要的任务之一。$α$ -miner算法是最早也是最广泛使用的进程发现技术之一。我们的目标是调查哪些数据库（关系型或NoSQL）在流程挖掘下的流程发现应用程序中表现更好。我们实现了$α$ -矿工算法的关系（面向行）和NoSQL（面向列）数据库中的数据库查询语言，使我们的算法是紧密耦合到数据库。我们提出了一个性能基准测试和比较的$α$ -矿工算法在面向行的数据库和NoSQL的面向列的数据库，以便我们可以比较哪个数据库可以有效地存储大量的事件日志，并分析它在几秒钟内发现一个进程模型。
2017-03-16 cs.DB
Object-Centric Local Process Models
本文提出Object-Centric Local Process Models（OCLPMs），利用以对象为中心的Petri网建模无单一案例概念的复杂过程，提供发现算法并在ProM框架中实现，经案例研究与多事件日志评估验证其适用性。
2024-11-04 cs.DB
The Imprecisions of Precision Measures in Process Mining
Eindhoven University of Technology（埃因霍温理工大学）
在流程挖掘中，精度度量用于量化流程模型对事件日志中所见行为的过度近似程度。虽然多年来已经提出了一些措施，没有研究已经做了验证这些措施是否达到了预期的目标，量化过近似在一个一致的方式为所有的模型和日志。本文填补了这一空白，假设一些公理量化精度一致的任何日志和任何模型。此外，我们通过反例表明，没有一个现有的措施一贯量化精度。
2017-05-16 cs.AI cs.DB cs.LO
Workload Prediction of Business Processes -- An Approach Based on Process Mining and Recurrent Neural Networks
Data Analytics Group, Haute Ecole Arc Ingénierie HES-SO, University of Applied Sciences Western Switzerland（瑞士西部应用科学大学西部应用科学大学阿尔科工程学院数据分析组）
工业机器的互联性和数字化的最新进展，即工业4.0，为新的分析技术铺平了道路。事实上，与生产相关的数据的可用性和丰富性使新的数据驱动方法成为可能。在本文中，我们提出了一个过程挖掘方法增强了人工智能，（1）重建的历史工作量的公司和（2）预测的工作量使用神经网络。我们的方法依赖于日志，表示与制造相关的业务流程的历史。这些日志用于量化供应和需求，并输入到一个递归神经网络模型中，以预测客户订单。然后，根据跟踪频率和活动相似性等标准，使用重放机制从历史记录中对满足这些订单的相应活动进行采样。该方法的评估和说明是在Heraeus Materials SA的行政流程上进行的。一年测试集上的工作负载预测在一周的预测中达到了19%的MAPE分数。该案例研究表明了一个合理的准确性，并证实了一个很好的了解历史的工作量结合明确的预测是非常有助于支持管理决策，并可以降低成本与更好的资源规划在中期一级。
2020-02-14 cs.AI cs.DB cs.LG
An Experimental Comparison of Alternative Techniques for Event-Log Augmentation
本文针对事件日志增强技术缺乏全面比较的问题，评估了八种事件日志上的七种最先进增强技术，发现基于随机转移系统结合资源队列建模的技术能生成质量更高的合成事件日志。
2025-10-29 cs.DB
Object-Centric Analysis of XES Event Logs: Integrating OCED Modeling with SPARQL Queries
本文提出使用以对象为中心的事件本体（OCEDO）结合SPARQL查询，克服XES事件日志在过程挖掘中的局限，在BPIC 2013数据集上使事件与对象关系更明确，从而提高过程数据的完整性与可读性。
2025-11-01 cs.DB cs.IR
Advancing Object-Centric Process Mining with Multi-Dimensional Data Operations
Linköping University（林雪平大学）；Stockholm University（斯德哥尔摩大学）
本文提出四种操作：钻取、汇总、展开和折叠，以调整分析粒度，提升面向对象过程挖掘的灵活性和精度，通过实验证明其在教育过程挖掘中的有效性。
2026-07-07 cs.DB
Discovering Process Models from Uncertain Event Data
现代信息系统能够以事件日志的形式收集事件数据。流程挖掘技术允许从事件数据中发现模型，根据参考模型检查事件日志的一致性，并执行进一步的以流程为中心的分析。在本文中，我们考虑不确定的事件日志，其中的数据与明确的不确定性信息一起记录。我们描述了一种技术，发现一个直接遵循的图形，从这样的事件数据，保留有关的不确定性的过程中的信息。然后，我们提出的实验结果进行归纳挖掘的直接遵循的图形，以获得代表的过程中的某些和不确定的部分的模型。
2022-04-08 cs.DB cs.SE
Process Comparison Using Object-Centric Process Cubes
RWTH Aachen University（亚琛工业大学）；Process and Data Science institute（过程与数据科学研究所）
流程挖掘提供了分析业务流程的方法。常见的流程挖掘技术将流程视为一个整体。然而，在实际的业务流程中，存在不同的行为，使得整个流程过于复杂而难以解释。流程比较是流程挖掘的一个分支，它通过使用流程立方体将流程的不同行为相互隔离。流程多维数据集使用不同的维度组织事件数据。每个单元格都包含一组事件，这些事件可用作应用流程挖掘技术的输入。现有的工作进程立方体假设单一情况下的概念。然而，在实际过程中，一些情况概念（例如，订单、项目、包装等）相互交织在一起以对象为中心的过程挖掘是过程挖掘的一个新分支，它处理过程中的多个事例概念。为了在以对象为中心的过程挖掘和过程比较之间架起一座桥梁，我们提出了一个过程立方体框架，它支持以对象为中心的事件日志上的过程立方体操作，如切片和骰子。为了便于比较，该框架集成了几个以对象为中心的过程发现方法。
2021-03-12 cs.AI cs.DB cs.LG
Enhancing Data-Awareness of Object-Centric Event Logs
当一个过程中涉及多个对象时，就有机会从不同的角度发现过程，并提供以前可能没有从单个对象的角度进行分析的新信息。这确实需要将事件/对象属性及其值的所有信息存储在日志中，包括具有值列表的属性或具有随时间变化的值的属性。它还要求属性可以明确地链接到对象、事件或两者。因此，以对象为中心的事件日志是流程挖掘中一个有趣的发展，因为它们支持多种类型的对象。首先，本文表明，目前的以对象为中心的事件日志格式不支持上述方面的全部潜力，因为现有的格式不支持动态对象属性（属性值不断变化）的可能性。接下来，本文介绍了一种新的丰富的以对象为中心的事件日志格式，解决上述问题，以及一种自动将XES日志转换为这种数据感知OCEL（DOCEL）格式的算法。
2022-12-06 cs.DB
Process Mining on Distributed Data Sources
本文针对分布式数据源带来的挑战，提出过程挖掘从离线集中式事件日志向在线分布式传感器数据转变的研究议程，并倡导基于算法工程的方法论，为构建可扩展、隐私感知且以用户为中心的分布式过程挖掘技术提供路线图。
2025-06-03 cs.DB cs.DC cs.ET
Applying Process Mining on Scientific Workflows: a Case Study on High Performance Computing Data
针对科学工作流在HPC集群中产生复杂流导致分析困难的问题，提出从SLURM日志提取案例ID并关联显式/隐式依赖作业的方法，经实验验证可支持流程挖掘、全面记录工作流及识别性能瓶颈。
2025-02-14 cs.DB
Event-Case Correlation for Process Mining using Probabilistic Optimization
流程挖掘支持使用事件日志分析业务流程的实际行为和性能。%，例如，ERP系统记录的销售交易。一个基本要求是日志中的每个事件必须与唯一的案例标识符相关联（例如，订单到现金流程的订单ID）。然而，实际上，该情况标识符可能并不总是存在，尤其是当日志从不同系统获取或从非过程感知信息系统提取时。在这样的设置中，需要通过将事件分组到案例中来对事件日志进行预处理，这一操作称为事件关联。现有的技术相关的事件与假设，使问题易于处理：一些假设的生成过程是非循环的，而其他人需要启发式信息或用户输入。此外，这些技术的主要假设是它们将日志抽象为活动和时间戳，并且错过了使用数据属性的机会。在本文中，我们解除这些假设，并提出了一种新的技术，称为EC-SA-数据的基础上概率优化。该技术将带时间戳的事件序列（没有案例ID的日志）、描述底层业务流程的流程模型以及事件属性上的约束作为输入。我们的方法返回一个事件日志，其中每个事件都与一个案例标识符相关联。该技术允许用户灵活地将规则的过程知识和数据约束。该方法最大限度地减少了生成的日志和输入过程模型之间的不一致，最大限度地支持给定的数据约束相关的日志，和活动持续时间之间的差异的情况下。我们对各种现实生活数据集的实验显示了我们的方法优于现有技术的优势。
2022-06-20 cs.DB
Performance Analysis: Discovering Semi-Markov Models From Event Logs
本文提出基于semi-Markov processes的性能分析技术，通过快速和全分析方法推导过程执行时间的统计特征，无需模拟即可进行what-if分析，并验证了离散方法的高效性和连续方法的可解释性。
2025-03-06 cs.DB
Preprocessing: A Prerequisite for Discovering Patterns in Web Usage Mining Process
Web日志数据通常是多样的和大量的。这些数据必须被组装成一个一致的、集成的和全面的视图，以便用于模式发现。如果在分析之前没有正确地清理、转换和结构化数据，就不能期望找到有意义的模式。在大多数数据采掘应用中，数据预处理包括删除和过滤冗余和不相关的数据，去除噪声，转换和解决任何不一致。在本文中，一个完整的预处理方法，合并，数据清洗，用户/会话识别和数据格式化和总结活动，以提高数据的质量，减少数据量已被提出。为了验证所提出的预处理方法的效率，进行了几个实验，结果表明，所提出的方法减少了Web访问日志文件的大小下降到初始大小的73-82%，并提供了更丰富的日志结构的Web使用挖掘（WUM）的进一步阶段。因此，WUM过程中的原始数据预处理是本文的中心主题。
2011-05-02 cs.DB
Group-Based Privacy Preservation Techniques for Process Mining
流程挖掘技术有助于使用事件数据改进流程。这种数据在信息系统中广泛存在。然而，它们通常包含高度敏感信息。例如，保健信息系统记录事件数据，过程挖掘技术可以利用该事件数据来改进治疗过程、减少患者的等待时间、提高资源生产率等。然而，记录的事件数据包括与治疗活动相关的高度敏感信息。负责任的流程挖掘应该提供关于底层流程的见解，但同时，它不应该泄露敏感信息。在本文中，我们讨论了直接应用现有的众所周知的基于组的隐私保护技术的挑战，例如，k-匿名性、l-多样性等。我们提供了正式的攻击模型的定义，并介绍了一个有效的基于组的隐私保护技术的进程挖掘。我们的技术涵盖了流程挖掘的主要视角，包括控制流、时间、案例和组织视角。所提出的技术提供了可解释和可调整的参数来处理不同的隐私方面。我们采用现实生活中的事件数据，并评估数据效用和结果效用，以显示隐私保护技术的有效性。我们还比较了这种方法与其他基于组的隐私保护事件数据发布的方法。
2021-05-25 cs.CR cs.DB
An Open-Source Integration of Process Mining Features into the Camunda Workflow Engine: Data Extraction and Challenges
流程挖掘提供了改进操作流程的性能和遵从性的技术。虽然有时使用术语“工作流挖掘”，但在工作流管理（WFM）和业务流程管理（BPM）系统的上下文中的应用是有限的。主要原因是WFM/BPM系统控制了流程，留下的灵活性和相应偏差的空间较小。然而，正如本文所示，从Camunda这样的系统中提取事件数据很容易，Camunda是领先的开源WFM/BPM系统之一。此外，虽然各自的流程引擎控制的过程流，过程挖掘仍然能够提供有价值的见解，如路径的性能分析和决策规则的挖掘。这篇演示论文向Camunda提供了一个流程挖掘连接器，它可以提取事件日志和流程模型，从而允许应用现有的流程挖掘工具。我们还分析了Camunda背景下不同流程采矿技术的附加值。我们讨论了一个子集的流程挖掘技术，很好地补充了Camunda的流程智能功能。通过这篇演示论文，我们希望促进Camunda用户对流程挖掘的使用。
2020-09-14 cs.DB cs.SE
GECCO: Constraint-driven Abstraction of Low-level Event Logs
流程挖掘允许使用在流程执行期间记录的事件数据来分析复杂系统。具体地，这些过程的模型可以从事件日志中发现，即，事件的顺序。然而，记录的事件通常太细粒度，导致非结构化模型对分析没有意义。因此，日志抽象旨在将事件分组在一起，以获得事件序列的更高级别表示。虽然这种转换应该由分析目标驱动，但现有技术迫使用户定义如何进行抽象，而不是结果应该是什么。在本文中，我们提出了GECCO，日志抽象的方法，使用户能够对所产生的日志的约束方面的要求。然后，GECCO对事件进行分组，以满足约束条件，并使到原始日志的距离最小化。由于穷举日志抽象具有指数级的运行时复杂性，因此GECCO还提供了一种由日志中的行为依赖性指导的启发式方法。我们表明，GECCO的抽象质量优于基线解决方案，并证明了在现实生活中的设置日志抽象过程中考虑约束的相关性。
2021-12-07 cs.DB
Abstractions, Scenarios, and Prompt Definitions for Process Mining with LLMs: A Case Study
针对无法向 LLM 输入完整事件日志的问题，本文提出过程挖掘工件抽象与提示策略，并在 pm4py 中实现，通过真实事件日志案例评估 LLM 回答流程分析问题的质量。
2023-07-14 cs.DB
