过程挖掘

摘要： 混合式协作学习下,学生可以通过社交媒体分享和建构知识,研究大学生如何在此过程中发展基于认知与情感的互动调节是建成混合式“金课”的关键。研究以30名本科生的2256条协作学习对话数据为样本,采用启发式挖掘算法和时间序列分析总结互动过程的发展规律与高低分组的行为模式。研究结果表明,高分组在协作过程中注重规划与反思,且情感参与的认知互动多于低分组,协作学习互动过程遵循IDB型的变化规律,高低分组的行为模式与自我调节阶段的变化趋势存在差异。本研究试图进一步理解学习者在协作学习中的认知与情感的调节互动模式,可为高校教师建设混合式课程资源、设计混合式协作学习的课程方案提供参考和借鉴。

摘要： 教育数据爆发式增长为全面理解学习奠定了基础,同时也给教育数据挖掘带来了挑战。复现学习过程是理解学习的重要一环。虽然,当前的教育研究已经广泛应用学习分析技术,但在呈现复杂学习过程方面仍然存在不足。过程挖掘算法强调对日志文件中时间戳数据的分析,相比于传统统计方法更加智能。研究选择教育领域最常见的三种过程挖掘算法:模糊矿工、启发式矿工、感应矿工,通过对比三种算法的特征,分析其对教育研究的应用潜力和实践价值。首先,文献综述三种算法的应用现状;其次,从三种算法的计算原理角度解读它们在教育领域的应用实践;最后,以课程平台时间戳数据为源数据,在自我调节学习理论支持下,对比三种算法的过程挖掘结果。即从理论、原理、实践三方面对三个过程挖掘算法进行探析,总结过程挖掘技术在教育领域中的应用前景和实践价值。研究依据结论提出三种算法在教育领域中的应用启示,为过程挖掘智能技术助力教育研究,提供相关经验和参考。

摘要： 在企业业务运行过程中会产生大量的数据,这些数据以事件日志的方式进行保存.通过对事件日志的采集、处理和分析可以支持对业务过程的挖掘、监控和优化.然而,原始的事件日志因含有各种类型的数据质量问题而无法直接应用于过程挖掘与分析.尽管目前在数据挖掘领域已提出各种数据预处理方法进行数据过滤,但由于业务过程事件日志中事件信息的序列化、动态化以及传递性等特点不同于普通数据,所以无法简单地应用传统的数据预处理方法对事件日志进行预处理.本文对事件日志数据预处理的研究现状进行了系统化的总结,分析了事件日志数据预处理技术面临的挑战,并对未来的研究方向进行了展望.

摘要： 过程挖掘为洞察和改进医疗业务过程提供了一种新的方式,它能够从实际临床活动产生的事件日志中发掘出过程模型,并通过对比事件数据和临床指南,实现合规性检查、延迟预测、辅助决策支持及过程改进等。本文介绍了医疗过程挖掘的技术框架,并从任务类型、模型表示方法和研究维度等方面,梳理总结这一研究领域的进展情况,比较不同挖掘方法的优缺点,指出目前研究存在的主要问题和可能的改进措施,为提高医疗大数据的分析利用水平提供参考借鉴。

摘要： 目的随着医疗数据的快速增长,过程挖掘成为一个新的研究热点。然而目前缺乏能够直接用于医疗过程挖掘的数据抽取工具,为此课题组开发了基于openEHR原型查询语言(archetype query language,AQL)的数据抽取软件,支持从兼容openEHR标准的医疗信息系统中提取事件日志,便于临床科研人员进行过程挖掘与分析。方法首先,对openEHR的元数据进行预处理,解析原型(archetype)和模板(template)文件,确定其中每个数据项的对应关系;其次,通过WordNet字典进行查询扩展,得到用户输入的同义词列表;然后,根据用户选择的数据项和设置的检索条件,自动生成原型查询语言脚本;最后,在电子病历服务器上运行AQL脚本提取出所需数据,并转换为过程挖掘所使用的标准事件日志格式(extensible event stream,XES)。结果本文以国家卫生健康委员会脑卒中防治工程委员会卒中院内筛查项目为例,将临床研究中3种常用的数据检索类型作为评价指标,对软件功能进行了验证。在输入查询条件后,软件能够自动生成和执行AQL脚本,并正确返回转换后的日志文件。结论本文开发的软件为临床科研人员提供了一种易用的医疗过程数据获取工具,它能够有效屏蔽异构信息系统的复杂性,便于开展医疗过程挖掘的分析与研究工作。

摘要： 为了解决从日志中挖掘出更精确的过程模型问题,提出了一种基于案例属性和时间相关性的挖掘子目标的方法。首先利用案例属性对原始案例进行分组,得到具有特定属性的案例子组;然后通过案例目标与子目标间的时间相关性,挖掘每个子组中的子目标。最后基于挖掘出的子目标对案例应用过程发现算法,挖掘出的模型可以对基于原始案例挖掘的模型进行优化和改进。通过在ProM上对真实案例进行实验表明,利用基于案例属性的子目标发现方法,得到的模型比基于完整日志发现的模型具有更好的质量。

摘要： 鉴于现有剩余时间预测模型所采用的离线构建方式周期长、更新速度慢,在流式事件分析中容易老化,提出一种在线预测模型的构建及剩余时间预测方法。融合多种抽象机制得到复合变迁系统作为预测模型,设计了增量式预测模型学习算法,以保证模型的实时性;基于统计理论定义预测信度,给出基于预测信度的剩余时间预测算法,采用轨迹回顾机制增强模型的预测能力;定义波动性衡量预测结果在时间维度上变化的幅度;通过在多个公开数据集上与已有方法对比,表明所提方法在预测准确性和波动性上均具有明显的优势。

摘要： 过程挖掘的目标是从软件系统产生的日志数据中提取出有价值信息,用于配置或优化已实施的业务过程.与此同时,大数据、物联网等技术的发展不仅使得业务内容愈加复杂,更是加速了业务演化的速度.在此背景下,有必要对原始日志进行划分,使得事件日志通过分解而被更有效地分析,进而提升过程挖掘的质量.日志划分的宗旨是根据不同问题采取不同方法将原始事件日志划分为多个子日志,为后续的过程挖掘研究提供支撑.模型发现是过程挖掘中最重要的应用场景,而该场景面临的两大难题就是模型过于复杂和模型不正确.当前,解决这两个难题的方法分别是轨迹聚类和概念漂移,而这两类方法的本质都是对原始事件日志进行了划分.本文针对轨迹聚类和概念漂移两个分支进行归纳总结,试图厘清日志划分内容中这两个分支的异同点.接着,通过文献规约系统地对现有研究进行统计与分析,揭露了两个研究分支的发展趋势.然后,梳理了现有研究方法的主要思路,将轨迹聚类分为距离驱动、模型驱动和混合聚类三类,并将概念漂移分为单一类型和复合类型两类.最后,利用公开数据集测试不同类型算法的优缺点,并指出未来研究的发展方向.

摘要： 为减少过程挖掘中隐私保护带来的效用损失,提出一种基于遗传算法的事件日志匿名化隐私保护方法。基于最小违规轨迹证明活动抑制集可行性的必要条件和约简规则,缩小大型日志集的搜索空间;根据基于日志的次序关系、轨迹变体和最大频繁轨迹设计适应度函数,引导种群向高效用性进化;改进交叉变异算子,保证种群多样性,避免遗传算法陷入局部最优。在真实事件日志上进行对比实验,结果表明在隐私保护强度相同的条件下,所提方法的效用损失比TLKC和基线方法生成的事件日志更低。

摘要： 鉴于当前大多数方法因在日志聚类结果上缺乏可解释性而影响应用,提出一种事件日志的可解释聚类分析方法iBelt。该方法定义“过程连接带”描述事件日志的分析结果,基于聚类树思想设计了提升聚类树模型,并采用方差和判别特征分析的无监督特征选择方法提升已有方法的聚类效果和拟合度,解决了高维数据影响过程连接带可解释性的弊端。通过公开数据集上的实验结果表明,所提方法分析得到的过程连接带具有简洁易懂的可解释规则,提升了对应过程模型的质量。

摘要： 针对目前协同设计的研究缺少快速形成有效设计共识的方法,导致难以发现协同认知规律及共识形成的认知机理的问题,提出一种基于过程挖掘的共享设计脉络提取方法来获得设计共识,以支持利用设计理性知识的知识融合型协同设计.首先从单个设计理性模型实例中提取设计脉络,并将其表达为petri网模型;然后再应用改进α算法遍历各设计脉络,去除设计脉络中噪声对挖掘过程的影响,从而提取出共享设计脉络;最后,将共享设计脉络转换为便于理解的共享设计理性模型.实例验证表明,该方法是有效的.

摘要： 从分析信息化条件下作战对指挥控制的要求入手,明确未来指挥控制对指挥控制系统的具体需求;介绍了过程挖掘方法的概念、由来、发展和主要研究方向;根据指挥控制系统是过程感知系统的特点,研究挖掘方法在指挥控制系统建设中的可能应用方式,从系统分析设计、综合集成、测试试验和运行维护四个方面给出了应用建议.

摘要： 为解决企业审批流程灵活性不足及与实际需求相脱节的问题，本文提出了业务审批模型和工作流挖掘算法，描述了基于过程挖掘的审批流程重组方案。首先赋予实际审批人员动态变更流程的权限，通过分析日志记录，用虚拟节点代替工作流中的循环结构，用节点间的前驱关系判定工作流中的选择结构，从而重构出改进后的审批流程。文末通过产品工艺审批实例证明所提出方案的有效性和合理性。

摘要： 过程挖掘就是从所有可能的候选模型中寻找出最合适的模型,因此过程模型的挖掘可以被看作是一个从所有模型中寻找最佳模型的优化问题。挖掘算法可以使用不同的策略寻找这个最佳模型。大多数挖掘算法采用局部搜索机制,搜寻时不能获得全局信息,因此不能保证跳出局部最优解。遗传算法虽然采用全局搜索机制,但存在计算代价大的弊端。为解决这一问题,本文提出了基于粒子群算法的过程挖掘,即有效地利用全局搜索信息又克服了遗传算法过程挖掘中的不足,取得了很好的效果。

摘要： 为了更好地从历史记录中自动获取业务过程来构建信息系统,人们引入了过程挖掘这一概念。过程挖掘通过对业务的日志记录进行信息抽取,并对日志中活动间的关系进行分析,从而快速准确地得到业务的实际工作流程模型,以此实现需求获取自动化。本文的模拟退火算法是为更好挖掘过程模型中非自由选择结构而提出的。将模拟退火算法用于过程挖掘,是以因果矩阵来模拟事件日志行为,通过退火操作来对因果矩阵进行处理,并对挖掘结果不断进行量化衡量来实现的。本文的主要工作包括:(1)在过程挖掘的环境下实现模拟退火算法；(2)用因果矩阵作为内部表示；(3)在结果转化过程中引入启发式规则；(4)对挖掘结果进行量化衡量,并通过过程挖掘的测试平台Prom进行实现和检测。

摘要： 过程挖掘又称工作流挖掘,是工作流再设计与分析方法的一项关键技术,能够根据日志中记录的过程实例的执行信息,来重构出一个工作流过程模型,并使得日志中记录的所有轨迹符合这个过程模型的一个实例。总结了过程挖掘的研究内容、系统架构,算法以及现有挖掘工具。对过程挖掘研究目前存在的问题从日志数据、挖掘技术和挖掘结果等三个方面进行了分析和讨论。并介绍了过程挖掘的一个分支一分布式过程挖掘的相关研究内容。

摘要： 过程挖掘旨在从信息系统所记录的事件日志中挖掘出人们需要的且合理的过程模型,从而有助于改善或重建业务流程.以往的方法多是根据任务间的直接依赖关系构建过程模型,具有很大的局限性.现存的过程挖掘方法中,虽然有能挖掘间接依赖的方法,却没有从过程行为的角度进行分析.基于拟间接依赖的过程模型挖掘方法,把行为轮廓融入其中,依据行为轮廓建立初始模型;然后基于增量日志和拟间接依赖关系调整模型;最后根据评价标准选出最优模型.此方法特别适用于挖掘含有间接依赖的过程模型.

摘要： 近年来，各种过程感知信息系统记录下了大量业务过程的执行情况。这些系统在对过程进行不同程度追踪，同时记录下了大量可供分析的数据。这些数据为过程挖掘的兴起提供了基础和依据。对于过程挖掘中的审计问题,提出了针对块结构过程模型的确定无回溯日志审计方法.将块结构模型转换为过程树形式,以过程树语义为基础讨论事件日志的审计.针对块结构模型日志审计中的回溯问题,提出了提取公共左因子的解决方法;分析日志审计中的待定移动匹配问题,提出分析过程树FirAct与FolAct交集的解决方案,进而给出可进行确定无回溯日志审计模型应满足的条件.最后,给出了块结构过程模型的确定无回溯日志审计算法,证明了算法的正确性,并用实例说明算法的应用.以实际报销流程和构造模型进行实验,结果表明该方法性能优于现有的对齐算法,适用于对事件日志进行审计.

摘要： 完备日志是过程挖掘算法设计和算法评价的前提条件,基于行为分析的Petri网模型完备日志生成算法存在状态空间爆炸的问题。提出了基于结构分解的算法,通过生成完备日志次序关系集,构造Petri网模型完备日志。结构分解方法降低了算法时间复杂度,日志次序关系组合计数使得量化评价日志完备性成为可能。

摘要： 正确发现流程实际运作情况对工作流管理有着重要意义。流程挖掘抽取系统日志信息,挖掘流程真实的运作模型.给出一种可学习循环结构的流程挖掘方法。首先根据工作流实例中任务间的执行顺序,把日志数据划分成不同聚类,缩减挖掘过程中的搜索空间.然后,通过扫描日志识别出处于模型最外层循环结构的记录,采用迭代方法来挖掘循环结构模型,并将该循环结构模型添加进原工作流模型中.最后,基于该算法实现了工作流模型挖掘原型,实验结果表明方法的有效性。

摘要： 该挖掘机臂(1)至少包括：框架(2)，该框架包括i)动臂连结部(21)，该动臂连结部将挖掘机臂(1)围绕动臂轴线(Y102)以可回转方式连结到挖掘机动臂，和ii)工具连结部(22)，该工具连结部将所述挖掘机臂(1)围绕工具轴线(Y104)以可回转方式连结到工具，所述动臂轴线(Y102)和所述工具轴线(Y104)在框架平面(FP)内延伸；臂线性致动器(4)，该臂线性致动器(4)沿着纵向轴线(X4)延伸，所述臂线性致动器(4)具有i)近侧连结部(11)，该近侧连结部围绕近侧连结轴线(Y11)连结到所述框架(2)，和ii)远侧连结部(12)，该远侧连结部围绕远侧连结轴线(Y12)连结到所述框架(2)，所述近侧连结轴线(Y11)和所述远侧连结轴线(Y12)在致动器平面(AP)内延伸；和电动机(6)，该电动机被构造为驱动所述臂线性致动器(4)，该电动机(6)布置在所述框架平面(FP)和所述致动器平面(AP)之间。

摘要： 本文中公开了一种由任务挖掘引擎实现的方法。任务挖掘引擎作为处理器可执行代码被存储在存储器上。处理器可执行代码由被通信地耦合到存储器的处理器执行。该方法包括接收标识与计算环境相关的用户活动的所记录的任务并且通过对每个所记录的用户任务进行处理和评分来将所记录的用户任务聚类成步骤。该方法还包括提取标识步骤的相似组合或重复组合的步骤序列以模仿用户活动。

摘要： 该挖掘机臂(1)至少包括：框架(2)，该框架包括i)动臂连结部(21)，该动臂连结部将挖掘机臂(1)围绕动臂轴线(Y102)以可回转方式连结到挖掘机动臂，和ii)工具连结部(22)，该工具连结部将所述挖掘机臂(1)围绕工具轴线(Y104)以可回转方式连结到工具，所述动臂轴线(Y102)和所述工具轴线(Y104)在框架平面(FP)内延伸；臂线性致动器(4)，该臂线性致动器(4)沿着纵向轴线(X4)延伸，所述臂线性致动器(4)具有i)近侧连结部(11)，该近侧连结部围绕近侧连结轴线(Y11)连结到所述框架(2)，和ii)远侧连结部(12)，该远侧连结部围绕远侧连结轴线(Y12)连结到所述框架(2)，所述近侧连结轴线(Y11)和所述远侧连结轴线(Y12)在致动器平面(AP)内延伸；和电动机(6)，该电动机被构造为驱动所述臂线性致动器(4)，该电动机(6)布置在所述框架平面(FP)和所述致动器平面(AP)之间。

摘要： 本发明公开一种基于序列局部判别信息挖掘网络的工业过程离线数据分割方法，主要分为特征挖掘和数据聚类两个步骤。用于特征挖掘的模型由神经网络构成，并且所设计的网络的第一层由循环神经网络组成，用于输入序列数据，挖掘数据中的动态特征。此外，为了能指导网络挖掘出有效的具有判别性的特征，模型输出为一组贡献率序列，并且模型参数通过最小化贡献率序列预测误差得到。最后，所得到的隐层特征经过重构邻域序列样本特征，进一步挖掘出带有局部信息的判别特征。在得到最终的特征输出后，利用高斯混合模型进行聚类，以得到最终的数据分割结果。本发明提出的方法对类别标签的需求较少，且对离线数据分割的稳定性更好，分类准确率高。

摘要： 本实用新型公开了一种人工挖掘机挖掘过程中的固定装置，包括固定在挖掘机底部的固定架，所述固定架的内侧设置有弧形卡座，所述弧形卡座上固定有轴承，所述轴承套接有转轴，所述弧形卡座两侧的设置有控制转轴转动的有棘轮组件，所述弧形卡座内侧的转轴上缠绕有链条，所述链条的上固定连接有固定钩，通过棘轮机构控制链条的施放，当需要远离固定点移动挖掘机的时候，只需按下操作室内的操作杆，便可以使棘爪远离棘轮，挖掘机移动到指定地点后，松开操作杆，棘爪在弹簧的作用下恢复原位，卡在棘轮相邻的两个齿之间，当挖掘机履带下面的土发生滑动时，固定的链条可以防止挖掘机倾斜，从而为驾驶人员逃生提供一定的时间。

摘要： 本发明公开了一种基于过程挖掘的在线学习行为模型挖掘系统及其挖掘方法，包括：数据分组模块，把学生的在线行为数据按学生成绩分为优、良、中、差四组；两层事件日志生成模块，根据已知的在线行为与认知行为的映射关系，分别获取优、良、中、差每组学生认知行为事件日志及其中每个认知行为的具体在线行为事件日志，即两层事件日志；两层行为模型生成模块，以两层事件日志为输入，利用过程挖掘算法生成两层行为过程模型。本发明为发现学生行为过程模型供了新系统和方法。将两层行为过程模型作为教育数据分析中学生行为分析的有效手段，能更精确的发现有效的在线学习方式，对在线教育行业的发展具有指导意义。

摘要： 本发明公开了一种基于过程挖掘的在线学习行为模型挖掘系统及其挖掘方法，包括：数据分组模块，把学生的在线行为数据按学生成绩分为优、良、中、差四组；两层事件日志生成模块，根据已知的在线行为与认知行为的映射关系，分别获取优、良、中、差每组学生认知行为事件日志及其中每个认知行为的具体在线行为事件日志，即两层事件日志；两层行为模型生成模块，以两层事件日志为输入，利用过程挖掘算法生成两层行为过程模型。本发明为发现学生行为过程模型供了新系统和方法。将两层行为过程模型作为教育数据分析中学生行为分析的有效手段，能更精确的发现有效的在线学习方式，对在线教育行业的发展具有指导意义。

摘要： 本发明提供一种基于过程挖掘的自动化软件过程建模方法及系统，包括：通过软件资源库、公开数据集和网络爬虫获取日志资源；对从不同渠道获取的日志进行数据预处理，包括对数据的抽取、清洗、整合、转换以及不同粒度事件的分离；将不同算法应用于日志上进行过程发现，构建过程模型；将日志在模型上重放进行一致性检验，对比模型与日志的差异；从模型与日志的契合度、精确度、模型的泛化程度、简单度评估模型的性能；对事件日志进行过程参数分析，通过频率统计、过程聚类展现细节过程信息。本发明通过过程挖掘对软件过程进行建模，不仅有利于流程管理者全面地认识软件过程，还有助于发现软件过程中存在的问题，从而进一步对软件过程进行改进和提效。

摘要： 本发明公开了一种基于执行者过程树的双维度遗传过程挖掘方法，其特征在于，包括以下步骤：控制流维度：使用IM算法分别对事件日志中的案例进行预挖掘，生成的过程模型作为遗传挖掘算法的初始种群，通过遗传挖掘算法对过程模型进行整合优化得到最终的过程模型；组织维度：提取组织维度信息，通过活动—执行者矩阵度量活动在执行者层面的距离；使用组织维度的执行者信息扩充控制流维度的过程模型：将活动与其对应的执行者进行映射，挖掘出执行者过程树，建立双维度过程模型。本发明将控制流维度和组织维度这两种维度组合，以执行者过程树的形式，在同一个模型中同时反映两个维度的信息。

摘要： 本发明公开了一种针对并发导致的不完备事件日志的块结构过程挖掘方法，以XES格式描述的事件日志作为输入，以PTML格式描述的过程模型文件作为输出结果；首先使用类似Inductive Miner的方法对不完备的事件日志进行拆分以确定不同块结构与其之间的嵌套关系，对于不能正确拆分的由并发导致的不完备子日志需进一步处理；其次对于子日志使用协同过滤推断可能丢失的传递在前关系，并使用应用在传递在前图上的切分操作进行切分操作；最后根据嵌套关系将所有块结构组合成一个过程树表示的块结构过程模型。本发明能够处理由并发导致的不完备事件日志，尽可能挖掘出接近于实际的过程模型。