Rule-guided process discovery

Ali Norouzifar

doi:10.1016/j.datak.2025.102508

Rule-guided process discovery

2025-09-02

0

PRE

AI

DOI：10.1016/j.datak.2025.102508

原文链接

原文求助

摘要

En 中文

从信息系统中提取的事件数据是流程挖掘的基础，能够提取洞察并识别改进点。流程发现专注于从事件日志中推导出描述性流程模型，这些模型构成了符合性检查、性能分析及其他应用的基础。传统的流程发现技术主要依赖事件日志，常常忽视领域知识、流程规则等补充信息。这些定义活动间关系的规则，可以通过声明性流程发现等自动化技术获取，或由领域专家根据流程规范提供。当作为事件日志的附加输入使用时，这些规则具有显著潜力来指导流程发现。然而，利用规则发现高质量命令式流程模型（如BPMN模型和Petri网）仍是文献中尚未充分探索的领域。为填补这一空白，我们提出了一个增强框架IMr，通过一种新颖的递归方法将发现的或用户定义的规则整合到流程发现工作流中。IMr框架采用分治策略，结合输入事件日志，利用规则在每个递归步骤中指导流程结构的选择。我们在多个真实世界事件日志上评估了该方法，证明所发现的模型在符合事件日志的同时，能更好地与提供的规则保持一致。此外，我们表明高质量规则可提升模型在已知符合性指标上的质量。这项工作强调了将领域知识整合到流程发现中的重要性，提升了所得流程模型的质量、可解释性和适用性。

Rule-guided process discovery

摘要

AI总结

期刊

机构

引用论文