Mar, 2023

发现分层流程模型：基于事件聚类的方法

PDF
TL;DR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。
process mininghierarchical business process modelautomated synthesisworkflow netsevent clustering
发现论文，激发创造
  • 从事件日志中自动发现过程模型：评估与基准

    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

  • 聚类基于对象的事件日志

    本文提出了一种基于聚类的方法，以简化 Object-Centric Event Logs 中获取到的复杂的流程模型，改善利用 B2B 流程时的用户体验。

    Jul, 2022

  • 本地过程模型分组

    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

  • 企业协作系统中的事件抽象支持社交流程挖掘

    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

  • 朝向以知识为中心的过程挖掘

    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

  • 流程预测深度学习现有技术的系统文献综述

    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

  • 不确定事件数据的过程挖掘

    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

  • PELP: 利用序列到序列神经网络预测先驱事件日志

    使用序列到序列深度学习方法解决事件日志预测问题，可以在合成日志和真实日志中生成完美的预测，并为事件日志预测提供实际建议。

    Dec, 2023

  • 在保健流程中应用模型复杂度优化和循环状态识别扩展流程发现的研究

    为了更好的达到过程模型的符合度和简化度之间的平衡，本文提出一种半自动化的过程挖掘方法，包括模型简化方法和引入 meta-state 概念来减少模型复杂度，并以三个医疗领域的数据集为案例来说明该技术方案的应用和提供更好实践。

    Jun, 2022

  • 心力衰竭患者治疗路径的过程感知分析：一个案例研究

    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