第四讲-流程挖掘（Process Mining）学习日志之数据获取

流程挖掘离不开有效的事件日志，事件日志是多种多样的，比如数据库、文本文件、消息日志、事务日志、ERP系统和文件系统等。同时在整合和获取数据的过程中，语义和语法扮演着重要的角色。因此本章学习我打算从数据源、事件日志、日志语法、实例学习的几个角度进行学习，参考的教材是Process Mining。

4.1数据源

数据源可以是简单的文本文件、Excel表格、事务日志或者数据库表等。其实所有数据往往并不来自于单一的结构良好的数据源，而是分布在不通过的数据源当中。针对跨部门的过程挖掘，可以通过监听消息交换，记录读写活动来捕获事件。

“抽取、转换、装载”的步骤：

1. 从外部数据源抽取数据；
2. 根据业务目标进行数据转换（在保证预定义的质量水平的前提下进行语义和语法上的处理）；
3. 将数据加载到目标系统，如数据仓库或者关系型数据库中；

数据挖掘通常情况下需要使用顺序的信息。

4.2 事件日志

下表描述了一段用于过程挖掘的事件日志中的信息。

案例：日志中的每个事件都需要对应到一个过程实例当中，即过程的一次执行。例如下标的案例1；
事件：指如register request、check ticket、reject等。

过程挖掘模型，通常都会将过程设计成为一系列活动的集合，而这些活动描述了一个实例的生命周期。因此下表中的案例id和活动项都是必须的。并且案例中的事件还必须是有时间顺序的。如果日志中不包含事件顺序信息，则无法发现过程模型中的依赖关系。

事件日志的树形结构

• 过程是由案例组成的。
• 案例是由事件组成的，且每一个事件仅属于一个案例。
• 案例中事件是有序的。
• 事件具有属性，典型的属性包括活动、时间戳、成本和资源。

4.3 XES

需要知道的几个标准与标记语言：
MXML：Mining eXtensible Markup Language，挖掘可扩展标记语言。基于XML语法。有一套存储时间戳，资源和事务类型的标准标记。可进行自定义扩展，例如SA-MXML（Semantically Annotated Mining eXtensible Markup Language，语义注释的面向挖掘的可扩展标记语言）是被ProM框架使用的MXML格式的语义注释版本，里面包含日志中的元素