$\textit{Dirigo}$: A Method to Extract Event Logs for Object-Centric Processes
针对传统单一对象事件日志局限及现有OCEL日志生成方法在数据源依赖、格式一致性及质量评估方面的不足，提出符合OCEL 2.0并扩展对象关系时间维度的$\ extit{Dirigo}$方法，建立质量评估标准并在真实用例中验证其有效性。
2024-11-12 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
Object-Centric Analysis of XES Event Logs: Integrating OCED Modeling with SPARQL Queries
Sapienza University of Rome（罗马第一大学）；University of Sahiwal（萨希瓦尔大学）；Ca' Foscari University of Venice（威尼斯卡福斯卡里大学）
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
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
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
Discovering More Precise Process Models from Event Logs by Filtering Out Chaotic Activities
Eindhoven University of Technology（埃因霍温理工大学）；Department of Mathematics and Computer Science（数学与计算机科学系）
流程发现关注于从业务流程的执行数据自动生成描述该业务流程的流程模型。现实生活中的事件日志可能包含混乱的活动。这些活动独立于过程的状态，因此可以在相当任意的时间点发生。我们表明，这种混乱的活动在事件日志中的存在严重影响的过程模型，可以发现与过程发现技术的质量。当前从事件日志中过滤活动的做法是简单地过滤掉不频繁的活动。我们表明，基于频率的过滤活动并不能解决的问题，所造成的混乱活动。此外，我们提出了一种新的技术来过滤出混乱的活动从事件日志。我们评估这种技术的收集17个现实生活中的事件日志，起源于业务流程管理域和灵巧家庭环境域。如所示，与使用标准的基于频率的过滤发现的过程模型相比，开发的活动过滤方法能够发现行为上更具特定性的过程模型。
2017-11-03 cs.AI cs.DB cs.IT
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
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
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
Turning Logs into Lumber: Preprocessing Tasks in Process Mining
针对流程挖掘中事件日志预处理执行临时、缺乏支持的问题，本文通过系统性文献综述梳理出高低层级共26项预处理任务并统计使用频率，为结构化预处理提供基础，提升流程挖掘可靠性。
2023-10-06 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
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
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
OneProvenance: Efficient Extraction of Dynamic Coarse-Grained Provenance from Database Logs [Technical Report]
起源编码连接数据集、其生成工作流和相关联的元数据（例如，谁或何时执行查询）。因此，它有助于广泛的关键治理应用程序（例如，可观察性和审计）。不幸的是，在数据库系统的上下文中，由于数据库工作流的复杂性和庞大的数量，提取粗粒度的出处是一个长期存在的问题。从查询事件日志中提取起源最近被认为是有利的，因为原则上可以为起源应用程序产生有意义的起源图。然而，当前的方法（a）向数据库和起源提取工作流增加了大量开销，并且（b）提取有噪声的起源，省略了查询执行依赖性，并且对于上游应用不够丰富。为了解决这些问题，我们引入OneProvenance：一个高效的查询事件日志出处提取系统。OneProvenance通过以下方式解决了基于日志的提取的独特挑战：（a）通过有效的日志分析识别查询执行依赖关系，（b）通过解释查询依赖关系的新颖事件转换提取起源，以及（c）引入有效的过滤优化。我们全面的实验分析表明，与最先进的基线相比，OneProvenance可以将提取提高约18倍;我们的优化降低了提取噪声，并进一步优化了性能。OneProvenance由Microsoft Purview大规模部署，并积极支持客户来源提取需求（https：//bit.ly/3N2JVGF）。
2023-03-03 cs.DB
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
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
Precision and Fitness in Object-Centric Process Mining
RWTH Aachen University（亚琛工业大学）
传统的流程挖掘只考虑单一的案例概念，并在此基础上发现和分析模型。然而，单一案例概念在实践中往往不是一个现实的假设。在一个过程中，多个格概念可能会相互作用和影响。以对象为中心的过程挖掘引入了处理多个案例概念的技术和概念。到目前为止，这样的事件日志已经标准化，并提出了新的过程模型发现技术。然而，缺乏评价模型质量的概念。这些是必要的，使未来的研究，提高以对象为中心的发现，并提供一个客观的模型质量评估。在本文中，我们引入了一个概念的精度和健身的对象为中心的事件日志的对象为中心的Petri网。我们给出一个正式的定义，并附有一个例子。此外，我们提供了一个算法来计算这些质量措施。我们讨论了我们的精度和健身概念的基础上的事件日志与不同的模型。我们的精度和适应度概念是将质量度量推广到以对象为中心的设置的适当方式，因为我们能够考虑多个案例概念，它们的依赖关系和相互作用。
2021-10-06 cs.AI cs.DB
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
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
Filter-Centric Vector Indexing: Geometric Transformation for Efficient Filtered Vector Search
提出FCVI框架，通过几何变换将过滤条件编码进向量空间，兼容现有索引，吞吐量提升2.6-3.0倍且保持召回率，并在分布偏移下表现稳定。
2025-06-19 cs.DB math.MG
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
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
Defining Cases and Variants for Object-Centric Event Data
RWTH Aachen University（亚琛工业大学）
进程的执行会在信息系统中留下事件数据的痕迹。这些事件数据可以通过流程挖掘技术进行分析。对于传统的过程挖掘技术，必须将每个事件与恰好一个对象相关联，例如，公司的客户。与一个对象相关的事件形成一个称为事例的事件序列。案例描述了一个过程中的端到端运行。事件数据中包含的案例可用于发现流程模型、检测常见瓶颈或学习预测模型。然而，在现实生活中的信息系统中遇到的事件，例如，ERP系统通常可以与多个对象相关联。传统的顺序案例概念不符合这些以对象为中心的事件数据，因为这些数据表现出图形结构。人们可以通过扁平化的方法将以对象为中心的事件数据强制纳入传统的事例概念中，但是扁平化操作了数据并删除了信息。因此，一个类似于传统事件日志的案例概念的概念是必要的，以使不同的过程挖掘任务的应用程序对以对象为中心的事件数据。在本文中，我们介绍了以对象为中心的过程挖掘的情况下的概念：过程执行。这些都是基于图形的情况下，在传统的流程挖掘中考虑的一般化。此外，我们还提供了提取流程执行的技术。基于这些执行，我们确定等价的进程行为相对于一个属性使用图同构。相对于事件活动的等效过程执行是以对象为中心的变体，即，对传统流程挖掘中的变量进行了概括。我们提供了一个以对象为中心的变量的可视化技术。的贡献的可扩展性和效率进行了广泛的评估。此外，我们还提供了一个案例研究，展示了现实生活中事件日志的最常见的以对象为中心的变体。
2022-08-05 cs.AI 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
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
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
Process Trace Querying using Knowledge Graphs and Notation3
University of Ottawa（渥太华大学）
本文提出结合 RDF 语义知识图谱与 N3 规则语言查询流程轨迹，支持案例中心及 OCEL2 对象中心日志，并提供强表达性、灵活性和可扩展性。
2024-08-26 cs.AI cs.DB
Discovering Process Models With Long-Term Dependencies While Providing Guarantees and Filtering Infrequent Behavior Patterns
RWTH Aachen University（亚琛工业大学）
本文改进eST-Miner算法，通过选择子集Places保证Petri网的最小适应度并保持高精度，同时引入改进的Place适应度度量以避免低频活动标签的阻塞。
2024-01-22 cs.DB
AR-PPF: Advanced Resolution-Based Pixel Preemption Data Filtering for Efficient Time-Series Data Analysis
本文提出AR-PPF算法，通过基于分辨率的像素抢占过滤机制，在保证关键特征不丢失的前提下，显著提升长时间序列数据的可视化与检索效率，解决制造数据分析中的计算资源限制问题。
2024-06-27 cs.DB cs.HC cs.PF
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
