Dynamic and Scalable Data Preparation for Object-Centric Process Mining
本文针对对象中心化过程挖掘中现有事件日志格式在流式数据场景下灵活性、可扩展性和可维护性不足的问题，提出了一种基于中心辐射型架构的中间数据存储枢纽数据库格式及新型关系模式，并通过轻量级开源数据栈实现端到端方案加以验证。
2024-10-01 cs.DB
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
A Framework for Extracting and Encoding Features from Object-Centric Event Data
RWTH Aachen University（亚琛工业大学）；University of Freiburg（弗莱堡大学）；Fraunhofer Institute for Applied Information Technology（弗劳恩霍夫应用信息技术研究所）
传统的流程挖掘技术将事件数据作为输入，其中每个事件都与一个对象相关联。对象表示进程的实例化。以对象为中心的事件数据包含与表达多个进程的交互的多个对象相关联的事件。由于传统的流程挖掘技术假设事件与一个对象相关联，因此这些技术不能应用于以对象为中心的事件数据。为了使用传统的过程挖掘技术，以对象为中心的事件数据通过移除除一个对象引用之外的所有对象引用来扁平化。展平过程是有损的，导致从展平的数据中提取的特征不准确。此外，以对象为中心的事件数据的图形结构在扁平化时丢失。在本文中，我们介绍了一个通用的框架，用于提取和编码的功能，以对象为中心的事件数据。我们在以对象为中心的事件数据上本地计算特征，从而实现准确的测量。此外，我们为这些功能提供了三种编码：表格，顺序和基于图形。虽然表格和顺序编码已被大量使用在流程挖掘中，基于图的编码是一种新的技术，保持以对象为中心的事件数据的结构。我们提供了六个用例：三种编码中的每一种的可视化和预测用例。我们在预测用例中使用可解释的AI，以展示以对象为中心的特征以及预测模型的顺序和基于图的编码结构的实用性。
2022-09-02 cs.AI cs.DB cs.LG
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
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
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
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
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
Leveraging Large Language Models (LLMs) for Process Mining (Technical Report)
本文研究将传统及以对象为中心的过程挖掘产物文本化，并用 GPT-4 与 Bard 评估直接回答、多提示和数据库查询生成策略，验证了 LLM 在模型理解、对象中心过程挖掘及公平性评估中的潜力。
2023-07-24 cs.DB
Towards a Simple and Extensible Standard for Object-Centric Event Data (OCED) -- Core Model, Design Space, and Lessons Learned
本文提出以对象为中心的事件数据（OCED）核心模型，分析其设计空间与扩展方式，并通过五个独立实现和案例研究总结经验教训，为社区标准化 OCED 提供指导。
2024-10-18 cs.DB
Guided Interaction Exploration in Artifact-centric Process Models
Eindhoven University of Technology（埃因霍温理工大学）；Philips（飞利浦）
以工件为中心的过程模型旨在将复杂的过程描述为交互工件的集合。进程挖掘的最新发展允许发现这样的模型。然而，重点往往是对个别工件的表示，而不是他们的相互作用。基于事件数据，我们可以自动发现代表以工件为中心的流程的复合状态机。此外，我们提供了可视化和量化不同工件之间的相互作用的方法。例如，我们能够突出显示不同工件中强烈相关的行为。该方法已经完全实现为ProM插件; CSM Miner提供了一个交互式的以工件为中心的过程发现工具，专注于交互。该方法已使用现实生活中的数据集，包括荷兰金融机构的个人贷款和透支过程进行了评估。
2017-06-07 cs.AI cs.DB
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
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
Event Centric Modeling Approach in Colocation Pattern Snalysis from Spatial Data
空间协同定位模式是布尔空间特征的子集，其实例通常位于地理上接近的位置。协同定位规则可以通过空间统计或数据采掘方法来识别。在数据采掘方法中，可以使用基于关联规则的方法，这些方法进一步分为基于事务的方法和基于距离的方法。基于事务的方法专注于在空间上定义事务，以便可以使用Apriori算法。在嵌入连续地理空间的空间数据集中，没有自然的事务概念。利用邻近邻域的概念，提出了一种新的基于距离的协同定位模式挖掘方法。一种新的兴趣度量，参与指数，被用于空间共址模式，因为它具有反单调性。设计了一种发现同位模式的算法，该算法生成候选位置及其表实例。最后，共址规则的产生，以识别模式。
2011-09-06 cs.DB
OCPQ: Object-Centric Process Querying & Constraints
针对面向对象流程挖掘兴起后传统流程查询技术不再适用的问题，提出高表达力的OCPQ方法，支持约束检查等应用，兼具可视化交互与优异运行性能。
2025-06-13 cs.DB
OCEL 2.0 Resources -- www.ocel-standard.org
本文介绍 OCEL 2.0 标准网站，集中提供规范、示例日志与工具支持，以解决 OCEL 1.0 在对象关系、限定符和演化属性方面的不足。
2024-03-04 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
Time and Relations into Focus: Ontological Foundations of Object-Centric Event Data
Free University of Bozen-Bolzano（博尔扎诺自由大学）；Semantics, Cybersecurity & Services (SCS), University of Twente（特温特大学语义、网络安全与服务系）
本文提出基于本体论的对象导向事件数据模型，通过三步方法解决现有模型在时间与动态关系方面的不足，增强表达能力与清晰度。
2026-03-23 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
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
A Novel Approach to Discover Switch Behaviours in Process Mining
过程挖掘是一门较新的学科，它在过程建模和数据采掘之间架起了一座桥梁。流程模型中的独占选择通常会将流程拆分为不同的分支。然而，在某些过程中，可以从一个分支切换到另一个分支。归纳式矿工保证返回合理的流程模型，但由于流程树的限制，当不同排他选择分支之间存在切换行为时，无法返回精确的模型。在本文中，我们提出了一种新的扩展的进程树模型，以支持不同分支的排他性选择操作符之间的切换行为，并提出了一种新的扩展的归纳矿工发现声音的过程模型与切换行为。所提出的发现技术利用以前的研究理论来检测可能的开关行为。我们应用人工和公开可用的数据集来评估我们的方法。我们的结果表明，我们的方法可以将发现的模型的精度提高36%，同时与原始的归纳矿工相比保持高的适应度值。
2021-06-24 cs.DB cs.IR
Lost in Models? Structuring Managerial Decision Support in Process Mining with Multi-criteria Decision Making
针对流程挖掘导致的模型过载问题，本文提出融合定量指标与定性因素的 MCDM/AHP 方法，为流程模型评估、优先级排序及管理决策对齐提供支持框架。
2025-05-15 cs.CY cs.DB
Challenges of Anomaly Detection in the Object-Centric Setting: Dimensions and the Role of Domain Knowledge
本文针对以对象为中心的事件日志异常检测问题，提出多种检测方法，探讨领域知识、大语言模型、降维+异常检测算法、预处理及特征传播在其中的作用与价值。
2024-07-12 cs.DB
Process Mining of Patient Flow in an Emergency Department: Bottlenecks, Variant Fragmentation, and Data-Driven Redesign
University of Milan（米兰大学）
通过过程挖掘分析急诊科事件日志，发现流程瓶颈、变体碎片化及优先级倒置，并提出基于 acuity 的护理路径和预期性出院两种数据驱动的重新设计方案。
2026-09-29 cs.DB
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
Removing Operational Friction Using Process Mining: Challenges Provided by the Internet of Production (IoP)
RWTH Aachen University（亚琛工业大学）；Fraunhofer-Institut für Angewandte Informationstechnik（弗劳恩霍夫应用信息技术研究所）
生产、物流、物料搬运、维护等操作流程，由结合硬件和软件组件的网络物理系统支持。因此，数字世界和物理世界紧密结合，并且可以详细跟踪操作过程（例如，使用传感器）。今天的操作流程所产生的大量事件数据为支持流程发现、性能分析和一致性检查的流程挖掘技术提供了机遇和挑战。使用现有的流程挖掘工具，已经可以自动发现流程模型并发现性能和遵从性问题。在DFG资助的卓越集群“生产互联网”（IoP）中，流程挖掘用于创建“数字阴影”，以改善各种运营流程。然而，操作过程是动态的、分布式的和复杂的。在IoP集群中确定的挑战的推动下，我们致力于比较流程挖掘（比较不同时间、不同地点的不同产品的流程变体）、以对象为中心的流程挖掘（处理涉及不同类型的交互对象的流程）和前瞻性流程挖掘（探索"如果？"问题）。通过应对这些挑战，我们的目标是开发有价值的“数字阴影”，可用于消除运营摩擦。
2021-07-27 cs.DB cs.LG
An ER-Model-Based Framework for Case Notion Selection in Object-Centric Processes
Smeal College of Business, Penn State University（宾夕法尼亚州立大学斯米尔商学院）
针对以对象为中心的流程中案例概念选择难题，提出ER模型引导的框架，通过主实体与次级协调实体的对象关系图定义案例，在1000事件OCEL日志上生成40个连贯案例，解决现有方法的缺陷。
2026-07-30 cs.DB
Enriching Object-Centric Event Data with Process Scopes: A Framework for Aggregation and Analysis
针对现有以对象为中心的事件数据（OCED）缺乏流程范围明确定义的问题，提出嵌入分析师定义流程范围到OCEL的框架，实现多流程结构化表示、跨范围聚合与多粒度分析，并通过公开日志验证适用性。
2025-08-26 cs.DB
A Systematic Review on Process Mining for Curricular Analysis
本文系统性综述了教育过程挖掘在课程分析中的应用，审查了27项研究并将其归纳为五个主要研究目标，指出了标准化及工具整合等挑战，为学术机构的课程决策与研究提供了全面展望。
2024-12-03 cs.CY cs.DB
OCEL (Object-Centric Event Log) 2.0 Specification
本文提出 OCEL 2.0 标准，通过对象变化、对象关系及关系限定等增强表达能力，并提供 SQLite、XML 和 JSON 三种交换格式。
2024-03-04 cs.DB
A Novel Approach to Process Discovery with Enhanced Loop Handling
针对现有流程发现方法难平衡质量维度、处理复杂循环结构有局限的问题，提出整合高级DFG过滤机制与创新算法的Bonita Miner，可生成更准确简洁的BPMN模型，实证显示其多项指标优于现有方法。
2024-12-06 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
String Diagrams for Process Mining
School of Computer Science, University of Birmingham（伯明翰大学计算机学院）；School of Electronics, Electrical Engineering, and Computer Science, Queen’s University Belfast（贝尔法斯特女王大学电子、电气与计算机科学学院）
本文证明Petri网、因果网、流程树和BPMN四种流程发现记号可统一为基于活动与类型化接口的规范签名，实现不依赖记号的模型比较，并以对象中心日志实验验证其区分并发与选择的能力。
2026-09-18 cs.DB cs.LO math.CT
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
Discovering High-Quality Process Models Despite Data Scarcity
本文研究减少流程发现数据需求，通过以对象为中心的事件日志和活动图，在数据稀缺下发现高质量并发流程，并在生产案例中验证其可行性。
2023-10-17 cs.DB
From OCEL to DOCEL -- Datasets and Automated Transformation
针对现有以对象为中心事件日志缺乏动态演化属性的问题，本文提出 DOCEL 日志生成器及 OCEL 到 DOCEL 的自动转换算法，为流程挖掘研究提供数据支持。
2023-09-25 cs.DB
Unsupervised Event Abstraction using Pattern Abstraction and Local Process Models
Eindhoven University of Technology（埃因霍温理工大学）
流程挖掘基于存储在事件日志中的事件分析业务流程。然而，一些记录的事件可能对应于非常低的抽象级别上的活动。当事件以太低的粒度级别记录时，流程发现方法往往会生成过度泛化的流程模型。将低级别事件转换为更高级别的活动，即，事件抽象，可以用来发现更好的流程模型。现有的事件抽象方法主要基于公共子序列和聚类技术。在本文中，我们建议首先发现本地流程模型，然后使用这些模型来提升事件日志到更高的抽象级别。我们的猜想是，在所获得的高级别事件日志上发现的流程模型返回更高质量的流程模型：它们的适应度和精度得分更平衡。我们展示了这与几个现实生活中的事件日志的初步结果。
2017-05-16 cs.AI cs.CL cs.DB
Discovering Process Models that Support Desired Behavior and Avoid Undesired Behavior
流程发现是流程挖掘的主要任务之一，也是使用事件数据进行流程改进的起点。现有的过程发现技术旨在找到最好地描述所观察到的行为的过程模型。重点可以是回忆（即，重放适应度）或精确度。在这里，我们采取不同的视角。我们的目标是发现一个过程模型，允许观察到的良好行为，而不允许不良行为。为此，我们假设有一个理想的事件日志（$L^+$）和一个不理想的事件日志（$L^-$）。例如，理想事件日志由两周内处理的案例组成，而非理想事件日志由花费更长时间的案例组成。我们的发现方法探讨了支持理想的事件日志中的情况下，避免不良事件日志中的情况下之间的权衡。该框架使用了一种新的归纳挖掘方法，该方法已经在几个真实的事件日志上实现和测试。实验结果表明，我们的方法优于其他方法，只使用所需的事件日志（$L^+$）。这支持了一种直观的理解，即有问题的案例可以而且应该用于改进流程。
2023-02-21 cs.DB cs.FL
ExOAR: Expert-Guided Object and Activity Recognition from Textual Data
Utrecht University（乌得勒支大学）
ExOAR通过结合大型语言模型和人类验证，实现从文本数据中高效提取对象和活动信息，提升面向对象的过程分析能力。
2025-12-03 cs.CY cs.DB
Differentially Private Inductive Miner
本文提出差分隐私归纳式挖掘器（DPIM），在保护事件轨迹个人数据的同时学习底层过程树，实验证明其在14个真实数据集上能以极小的效用损失生成忠实过程树。
2024-10-04 cs.CR cs.DB
Comparing Ordering Strategies For Process Discovery Using Synthesis Rules
RWTH Aachen University（亚琛工业大学）
过程发现的目的是从观察到的行为中学习过程模型，即，所发现的模型用作用于解决性能和遵从性问题的流程挖掘技术的起点。与最先进的归纳矿工相比，该算法应用来自自由选择网络理论的合成规则，发现具有更灵活（非块）结构的过程模型，同时确保相同的理想可靠性和自由选择属性。此外，这一领域的最新发展表明，所发现的模型具有兼容性。遵循合成规则，算法通过在事件日志中一次添加一个活动来增量地修改现有的过程模型。由于规则的应用高度依赖于现有的模型结构，模型的质量和计算时间显着影响的顺序添加活动。在本文中，我们研究了不同的排序策略对所发现的模型（w.r.t.适应度和精度）和使用真实事件数据的计算时间。结果表明，所提出的排序策略可以提高质量的过程模型，同时需要更少的时间相比，排序策略完全基于活动的频率。
2023-01-04 cs.DB cs.FL cs.LG
