(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211144557.3 (22)申请日 2022.09.20 (71)申请人 山东理工大 学 地址 255020 山东省淄博市张店区新村西 路266号 (72)发明人 刘聪　刘文娟　李会玲　李彩虹　 张立晔　郭娜　 (74)专利代理 机构 广州市华学知识产权代理有 限公司 4 4245 专利代理师 冯炳辉 (51)Int.Cl. G06F 16/2458(2019.01) G06F 16/23(2019.01) G06F 16/17(2019.01) (54)发明名称 面向增量事件日志的流程模型挖掘方法与 系统 (57)摘要 本发明公开了一种面向增量事件日志的流 程模型挖掘方法与系统， 包括： 1)获取基础数据， 即定期存储的业务流程事件日志， 并将其划分为 原始事件日志和若干增量事件日志； 2)原始事件 日志生成流程的有向图模 型； 3)单个增量事件日 志更新步骤2)获取的有向图模型； 4)迭代更新步 骤3)获取的有向图模型； 5)利用步骤4)获取的有 向图模型挖掘流程模型。 本发明将流程模型更新 与中间模型有向图结合起来， 采用增量事件日志 更新中间模型有向图的方式取代传统挖掘方法 中的合并原日志与增量日志的操作， 在保证挖掘 模型质量的前提下， 降低存储空间占用比， 提高 模型发现效率， 有效解决传统挖掘方法在流程模 型挖掘中的低效问题。 权利要求书3页 说明书7页 附图7页 CN 115525693 A 2022.12.27 CN 115525693 A 1.面向增量事 件日志的流 程模型挖掘方法， 其特 征在于， 包括以下步骤： 1)获取基础数据， 即定期存储的业务流程事件日志， 并将其划分为原始事件日志和若 干增量事 件日志； 2)原始事件日志生成流 程的有向图模型； 3)单个增量事 件日志更新 步骤2)获取的有向图模型； 4)迭代更新 步骤3)获取的有向图模型； 5)利用步骤4)获取的有向图模型挖掘流 程模型。 2.根据权利要求1所述的面向增量事件日志的流程模型挖掘方法， 其特征在于： 在步骤 1)中， 获取定期存储的业务流程事件日志并将其划分为原始事件日志和若干增量事件日 志， 具体包括以下步骤： 1.1)获取定期存储的业务流程事件日志； 所述定期存储的业务流程事件日志是指在一 段时间内经业务流程运作生成的事件日志， 由于外部环境的影响和用户的个性化需求， 在 业务实际运行过程中往往使用定期存储的事件日志对流程模型进 行更新； 所述事件日志具 有一段时间的存续过程， 是一个有限事件序列的集合， 每一个有限事件序列被称为一条轨 迹； 1.2)将步骤1.1)中得到的定期存储的业务流程事件日志进行轨迹划分， 得到单个轨 迹， 随后对所有轨迹按月份进行排序， 并根据排序结果将相同月份的日志轨迹存放到同一 个事件日志中； 1.3)将步骤1.2)中得到的按月份排序的单个事件日志进行原始事件日志和增量事件 日志划分， 其中排在第一个月份的事件日志作为原始事件日志， 剩余每个事件 日志为一个 增量事件日志。 3.根据权利要求2所述的面向增量事件日志的流程模型挖掘方法， 其特征在于： 在步骤 2)中， 原始事件日志生成流 程的有向图模型， 具体包括以下步骤： 2.1)选定步骤1)中的原 始事件日志作为输入内容； 2.2)通过公式(1)分析 该日志中的直接跟随活动关系； 式中， DFR_S(L)表示事件日志L 中的直接跟随活动关系集合， L表示事件日志， σ 代表L 中 的轨迹， σi代表轨迹σ 的第i个活动， σi+1代表轨迹σ 的第i+1个活动； 所述直接跟随活动关系是指在日志轨 迹中相邻的两个事 件存在的逻辑关系； 2.3)从步骤2.2)得到的直接跟随活动关系出发， 使用有向图算法通过公式(2)构造出 流程的有向图模型， 若该有向图模型为有向带权图， 则是指用权值表示事件之间的直接跟 随频次； 式中， DFR_DFG(L)表示从事件日志L中挖掘出的有向图模型， n表示第i个和第i+1个活 动直接跟随的频次； 所述有向图模型是指用节点表示轨迹 中的事件， 用有向边表示事件之间的直接跟随活 动关系。权　利　要　求　书 1/3 页 2 CN 115525693 A 24.根据权利要求3所述的面向增量事件日志的流程模型挖掘方法， 其特征在于： 在步骤 3)中， 使用单个增量事 件日志更新 步骤2)获取的有向图模型， 具体包括以下步骤： 3.1)从步骤1)得到的增量事件日志中按照月份顺序获取单个增量事件日志， 分析其轨 迹信息， 随后计算该增量事 件日志的直接跟随活动关系及相应的频次； 3.2)从步骤3.1)得到的直接跟随活动关系中选取出新增事件日志轨迹信息， 随后获取 新增事件 日志轨迹中的直接跟随活动关系， 用以更新步骤2)中获取 的有向图模型， 实现增 量事件日志对原始事件日志所生成的有向图模型的更新； 所述更新即为将新增事件日志轨 迹中的直接跟随活动关系添加到已有 有向图模型的直接跟随活动关系中。 5.根据权利要求4所述的面向增量事件日志的流程模型挖掘方法， 其特征在于： 在步骤 4)中， 迭代更新 步骤3)获取的有向图模型， 具体包括以下步骤： 4.1)从步骤1)剩余的所 得增量事 件日志中依次选取 单个增量事 件日志； 4.2)重复进行步骤3)、 步骤4)， 直至将所有增量事 件日志选取完毕； 4.3)将经步骤4.2)结束迭代后的有向图模型进行保存至存储空间中， 将其作 为下一步 骤的输入内容。 6.根据权利要求5所述的面向增量事件日志的流程模型挖掘方法， 其特征在于： 在步骤 5)中， 利用步骤4)获取的有向图模型挖掘流 程模型， 具体包括以下步骤： 5.1)以步骤4)得到的经 所有的增量事 件日志更新后的有向图模型为输入内容； 5.2)分析有向图模型中事件与事件之间的直接跟随活动关系， 使用基于有向图的流程 发现算法从中挖掘出Petri网； 所述基于有向图模型的流程发现算法根据有向图有无权值 分为两类， 第一类是以有向无权图为基础的Alpha  Miner和Inductive  Miner， 第二类是以 有向带权图为基础的Heuristic  Miner和Inductive Miner‑Infrequency。 7.面向增量事件日志的流程模型挖掘系统， 其特征在于， 包括事件日志获取以及日志 预处理模块、 原始事件 日志生成流程的有向图模型模块、 单个增 量事件日志更新有向图模 型模块、 迭代更新有向图模型模块、 由有向图模型挖掘流 程模型模块； 所述事件日志获取以及日志预处理模块用于获取定期存储的业务流程事件日志， 并将 其划分为原 始事件日志和若干增量日志； 所述原始事件日志生成流程的有向图模型模块用于选取原始事件日志， 并分析其中的 直接跟随活动关系及相应频次， 在此基础上使用有向图算法生成有向图模型； 所述单个增量事件日志更新有向图模型模块用于选取单个增量事件日志， 并使用此 日 志更新原 始事件日志生成的流 程的有向图模型； 所述迭代更新有向图模型模块用于从剩余增量事件日志中依次选取 日志， 迭代进行增 量事件日志更新有向图模型的操作； 所述由有向图模型挖掘流程模型模块用于选取所有增量事件日志更新后的有向图模 型， 并使用基于有向图的流 程发现算法从中挖掘出流 程模型。 8.根据权利要求7所述的面向增量事件日志的流程模型挖掘系统， 其特征在于： 所述事 件日志获取以及日志预处 理模块具体执 行如下操作： 获取定期存储的业务流程事件日志； 将定期存储的业务流程事件日志进行轨迹划分， 得到单个轨迹， 随后对所有轨迹按月份进行排序， 并根据排序结果将相同月份的日志轨迹 存放到同一个事件日志中； 选定排在第一个月份的事件日志作为原始事件日志， 剩余每个权　利　要　求　书 2/3 页 3 CN 115525693 A 3