本论文介绍了如何利用 “Object-Centric Event Log” 和 “Generative Adversarial Networks (GAN) 、长短时记忆 (LSTM)、序列到序列模型 (Seq2seq)” 来实现流程预测，并在模型中使用对象属性，取得了与以往研究相当甚至更好的预测结果并提供 web 界面。

Jul, 2022

本文介绍了一种基于事件聚类的自动化合成算法，用于从底层事件日志中发现层次化业务流程模型，以便生成更易读和理解的过程模型。

Mar, 2023

介绍了面向对象的过程挖掘中的过程执行概念，其是传统过程挖掘中的 case 概念的图形扩展，提供了提取过程执行的技术和可视化技术，并通过图同构确定了 respect 属性的等效过程行为。对实际操作数据进行了评估和案例研究。

Aug, 2022

该研究提出了一种利用图神经网络和面向对象的流程挖掘的框架来检测业务流程中的异常事件，结果表明该方法在活动类型和属性层面上能够很好地检测异常，但在事件的时间顺序上存在困难。

Feb, 2024

通过对约 65,000 个事件的事件日志进行深入的博鲁桑卡特售后服务流程的案例研究，本研究强调了面向对象的过程挖掘能够捕获复杂业务流程细节的能力，突出了其在实际运营场景中潜在而尚未充分开发利益。

Oct, 2023

本文提出了一种基于 Markov 直接跟踪多图的方法，用于聚类相似的实例，以实现无需分析员假设的集群发现，并通过一个 P2P 对象中心事件日志文件进行评估。

Jun, 2022

企业协作系统（ECS）的社交流程挖掘中，通过事件抽象的方法（ECSEA）对细粒度 ECS 事件日志进行处理，使其能够成功地应用于从 ECS 日志中发现流程模型的过程挖掘（PM）中。

Aug, 2023

该论文通过对 12 个公开事件日志，12 个专有事件日志和 9 个质量指标的评估，对自动化流程发现方法进行了系统的回顾和比较评估，突出了该领域存在的差距和未被探索的权衡，其中包括某些方法缺乏可扩展性以及它们在所使用的不同质量度量方面性能强烈分歧。

May, 2017

本文介绍了从对象中心事件数据中提取和编码特征的通用框架，提供了表格、序列和基于图形的编码，用于预测模型的实用性。

Sep, 2022

通过将事件和对象编码成图结构，提出了一种集成多样节点类型的异构对象事件图编码（HOEG）方法，然后采用异构图神经网络体系结构，在预测任务中利用这些多样的对象特征；评估了 HOEG 在预测剩余时间方面的性能和可扩展性，并与两种已建立的基于图的编码和两种基准模型进行了基准测试，结果表明，当对象事件日志中包含信息性的对象属性和事件 - 对象交互时，HOEG 表现良好且超过了其他已有模型。

Apr, 2024