流程挖掘学习记录

什么是流程挖掘？

        流程挖掘是一种将专业算法应用于事件日志数据的方法，用以确定有关流程如何展开的趋势、模式和详细信息。它结合了数据挖掘和流程分析，通过从信息系统中挖掘日志数据，了解流程的性能，揭示瓶颈和需要改进的领域。

主要类型

        流程挖掘主要包括三种类型：流程发现、一致性检查和流程改进。

• 流程发现

流程发现是从事件日志中构建流程模型的技术，不需要任何先验知识。常见的流程发现算法包括Alpha Miner、Heuristic Miner、Genetic Miner等。例如，Alpha Miner通过定义活动间的关系来发现流程模型，但它不能处理噪声和不完整的事件日志。

• 一致性检查

一致性检验是将现有的流程模型与事件日志进行比较，以检验实际流程是否与模型一致。它可以用来侦查、定位与解释偏差，并测量这些偏差的严重程度。

• 流程改进

流程改进是利用实际流程记录的事件日志来扩展或改进现有流程。改进可以是修复（修改模型以更好反映现实）或扩展（为流程模型添加新的视角，如时间、资源等

 流程建模语言

        流程的控制流可用不同的流程模型语言来描述，如Petri net，WF-nets（工作流网），C-net（因果网），BPMN（业务流程建模与标记），Process Trees（流程树）等。每类挖掘算法使用不同的流程模型语言，例如：系列挖掘算法使用WF-net，启发式挖掘算法使用C-net，遗传挖掘系列算法采用Petri net或者Process Tree。挖掘算法使用的流程模型语言具有各种的偏好。

        从结构上看，除了Process Trees是树形结构表示外，其他建模语言使用图表示、并且增加了较多的符号以表达更多和更强的语言。

        Petri net是提出的最早能够处理并发的建模语言，得到了广泛深入的研究，出现了多种扩展。Petri net更多运用在系统建模上，而不是流程挖掘。

        工作流网WF-net是Petri网的一种特殊形式，在其上的合理性要求使得它适用于业务流程上（要求一个开始库所和一个结束库所），并且能够通过流程发现技术（α算法）来挖掘事件日志的工作流网。

        YAWL、BPMN和EPC这类建模语言强化了建模符号，可以表达更多的语义，也具备处理并发的能力，甚至包含了数据视角（YAWL的数据驱动）；但是在建模时也有一些困境，存在恶性循环这类现象；在流程挖掘技术上，我们也可以挖掘事件日志的BPMN模型；

        因果网是为流程挖掘技术量身定做的一种建模符号，与上面的建模语言不同（关注状态及其连接），它关注流程的活动，流程的状态只有绑定来确定，而不具体去描述流程的状态；而事件日志一般也存储流程中活动的发生及其产生的数据，因此因果网适用于流程发现。

        流程树也是为流程发现量身定做的，适用在归纳流程发现技术上，它本身的结构就具备了合理性。

流程模型质量评价

        通常从四个方面来评价流程模型的质量: 重现度、精确度、通用性和简单性。

• 重现度

        指流程模型对日志中执行实例的可重现程度。给定一个流程模型和一个执行实例，如果执行实例可通过执行该流程获得， 则称该流程可重现该实例。流程模型可重现的执行实例越多， 对日志的重现度就越高。

• 精确度 

        如果通过执行流程模型可以产生许多日志中不包含的实例， 那么该流程模型的精确度就较低， 称为弱拟合。

• 通用性

        与精确度相反， 通用性指流程模型不仅反映日志中的行为， 还允许日志以外的正确行为。这是因为实际应用中， 日志通常是不完整的。好的流程模型应当有这样的“预见性”使得新的执行实例符合流程模型的规范。如果通用性过低， 称流程模型过拟合。

• 简单性

        在保证其他三个指标的情况下， 流程模型越简单越好。可从模型中节点的数量或节点的出入度等方面来评价。

        精确度和通用性存在一定程度的对立，精确度较高的流程模型，通用性往往较差，反之亦然。简单性与精确性和通用性也有一定的关系，通常通用性较高的模型结构较简单，而精确性较高的模型结构较复杂。如何使流程模型质量在这四个方面达到一种平衡，或者能够控制这四个方面的不同需求也是流程算法应该解决的问题。

  流程挖掘算法

• 直接算法

        直接算法的思想是首先扫描日志中所有的实例，抽象出活动之间的基本关系，然后构建流程的控制结构，这类算法主要代表为α及扩展算法：α，α+，α++，α*，α#等。

        其算法基于日志定义了四种活动间的次序关系（以同一种日中L的活动为a和b为例），分别是：

1. 紧邻关系a>b；
2. 因果关系a->b（当且仅当a>b且非b>a）；
3. 并行关系a||b（当且仅当a>b且非b>a）；
4. 无关关系a#b（当且仅当非a>b且b>a）；

接着根据四种关系进一步构造五种控制流结果，分别是：

1. 顺序模式；
2. 选择分叉模式；
3. 选择合并模式；
4. 并行分叉模式；
5. 并行合并模式；

• 启发式算法

        其算法为解决流程挖掘中的日志噪声问题, 研究人员提出了启发式算法。

1. 噪声日志是指出现频次明显低于其他行为的特定行为，这是基于流程运行的稳定性的一种假设, 即噪声日志在正确日志中所占比例很小。
2. 启发式算法的基本思想是基于此基本假设, 在挖掘事件日志时, 考虑流程实例出现的频率, 从概率统计的角度识别噪声, 通过设定阈值, 将低频实例作为噪声过滤掉。
3. 启发式挖掘算法, 其基本思想是在挖掘事件日志时, 使用频率来刻画一对活动之间因果关系的强度,并以依赖度度量, 通过事件日志中不同活动之间的连接数计算得到依赖度, 依赖度低于某个阈值的日志即视为噪声, 将之过滤后输出相应的控制流结构形成流程模型。

•  遗传算法

        传统挖掘算法都要求日志是完备的，除了启发式挖掘算法有一定的去除噪声能力，其他算法不具备去除噪声能力。并且启发式挖掘算法在去除噪声过程中有可能删除低频有效行为。

        遗传挖掘算法能够有效解决噪声问题，同时不需要进行人为适应性调参，在实际应用中更具备可用性。

        遗传算法挖掘主要动机是算法执行的全局搜索中获益。通过选择支持这些结构的内部表示来解决这些非平凡的结构。噪声问题自然由遗传算法解决，因为根据定义，这些算法对噪声具有鲁棒性。

        遗传方法的主要挑战是定义一个好的适应度度量，因为它指导遗传算法执行的全局搜索。由于搜索空间不受限制，所以遗传算法可以同时处理各种控制流结构。

        基于遗传算法的流程挖掘的关键是: (1)流程模型的表示方式; (2)评价流程模型的适应值函数;(3)遗传算子(杂交、变异)

• 日志分类算法

          日志的多样性导致已有的流程挖掘算法得到的流程结构错综复杂，难以理解。为了解决这个问题，一种方法是对日志中的执行实例进行聚类，将其划分成多个子日志，然后对各子日志施用已有的挖掘算法。这种方法的关键在于如何对执行实例进行聚类。聚类的好坏将影响最终的挖掘结果。