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
本文提出了一个基于强化学习的方法来学习，通过观察过去的执行来推荐最佳活动以优化感兴趣的 KPI，首先通过学习特定 KPI 的马尔可夫决策过程，然后使用 RL 训练来学习最优策略，该方法通过在真实和合成数据集上的验证，并与异策略深度 RL 方法进行比较，表明了我们方法与深度 RL 方法相比，具有同等或更好优势，从而为利用白盒 RL 技术的场景提供了贡献，其中仅有时间执行数据可用。
Mar, 2023
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。
该研究综合了深度学习算法在流程挖掘中的应用，着重通过系统性文献综述的方式，分析不同数据处理方案、网络拓扑结构、以及目标预测等方面的优缺点。
Jan, 2021
通过对 101 名大学生使用 Moodle 2.0 平台进行自主学习课程的交互记录进行数据分析，使用归纳挖掘算法发现了学生成绩良好和学生成绩较差的自主学习过程模型，并发现良好成绩组有较多与论坛协作学习相关的行为动作，而成绩较差组则相反。
Feb, 2024
转向可再生能源和原料供应的化工行业需要新的概念性工艺设计方法。最近，人工智能的突破为加速这一转型提供了机会。特别是深度强化学习作为机器学习的一个子类，已显示出解决复杂决策问题和辅助可持续工艺设计的潜力。我们通过三个主要元素调查了强化学习在工艺设计中的最新研究：（i）信息表示，（ii）智能体体系结构和（iii）环境和奖励。此外，我们讨论了潜在挑战的观点和有前景的未来工作，以充分发挥化工工程中强化学习的潜力。
Aug, 2023
通过使用现代 Transformer 架构和传统机器学习技术，评估模拟过程规律的能力，并突出关键特征，提高模型预测能力。证明了应用机器学习模型预测关键业务流程的有效性以及 XAI 组件提供的新见解。
Dec, 2022
本研究项目旨在通过将人工智能和商业流程管理领域的研究结合起来，自动从执行流程数据中导出流程模型，并进行自适应规划和执行实时预测的业务流程。
Aug, 2022
近年来，过程挖掘作为一项成熟技术被应用于分析和改进运营过程。本文提出了一个通过使用不同的过程模型相似性度量来对类似的局部过程模型进行分组的三步流程，并通过实际案例研究展示了分组的实用性以及发现的局部过程模型的重复性对其进行改进的影响。
Nov, 2023
本文介绍了一种基于强化学习的优化策略方法，利用过去的执行观察来学习最佳决策，并以关键绩效指标优化为目标，从而为用户提供最好的活动推荐。
Mar, 2022