本研究旨在开发处理特殊事件数据的过程挖掘技术，特别是不确定性事件数据，通过回顾现有文献，定义未来展望，为该研究课题奠定基础。
Apr, 2022
本文提出了一种基于知识图谱的方法，用于缓解事件日志中的噪声 / 不完整信息对流程分析技术的影响，并帮助流程分析师理解与事件日志相关的可变性。
Jan, 2023
本文研究了不确定性事件数据在流程挖掘中的应用，包括该领域的现状、元属性以及研究挑战等方面。
May, 2022
通过对稀疏心衰患者数据集进行处理挖掘和决策挖掘，本研究探讨了在医疗保健领域处理不同类型数据的各种挑战，并分析了患者心衰数据中与多个研究问题相关的信息增益和决策结果。
Mar, 2024
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
本文探讨了在将机器学习模型整合进过程挖掘管道中所需考虑的问题，特别是数据分布的非参数性以及并发限制，提出了正确地将机器学习与过程挖掘相结合的方法学基础及在这一方向上的研究思路。
Jun, 2023
本文提出了一种实例选择程序，可以对采样进行培训，以预测下一步的活动，从而使训练速度显著提高，同时保持可靠的预测准确性。
本研究提出了一种选择实例的程序，可以提高训练速度，同时保持可靠的预测准确度，用于预测活动和剩余时间等信息，适用于预测过程挖掘的研究领域。
评估数据丰富技术与监督机器学习技术在罕见事件检测和预测中的作用，并发现数据丰富程序可以显著提高罕见故障事件的检测和预测性能。
Jul, 2024
本文提供了一个系统性的框架来整合不同的应用场景和偏差检测技术，实现上下文感知型的检测。该框架可以区分积极和消极的背景条件，并可被扩展至不同的上下文和场景中，并通过对 255 种不同情境下的实验验证了其有效性。
Jun, 2022