本發(fā)明涉及業(yè)務過程建模技術領域，特別涉及一種基于隱式特征的過程挖掘方法及系統(tǒng)，能夠從局部完備性日志中挖掘出短循環(huán)。

背景技術：

近年來，社會經(jīng)濟的發(fā)展，物聯(lián)網(wǎng)、云計算等新興技術革命的出現(xiàn)，使得信息系統(tǒng)不僅僅是圍繞處理業(yè)務數(shù)據(jù)為中心，更多時候與它們所支持的運作流程越來越緊密。同時，業(yè)務流程的操作使得信息系統(tǒng)記錄了數(shù)量眾多的事件，如何有效的從這些日志事件中挖掘有價值的信息是企業(yè)實現(xiàn)新型商務智能的一個重要基礎。

過程挖掘是實現(xiàn)上述內(nèi)容的一種主流方法。目前，過程挖掘主要包括三個階段：過程發(fā)現(xiàn)、符合性檢查和過程改進。而從過程日志中發(fā)現(xiàn)過程模型是過程挖掘的關鍵技術。因為，只有從日志中發(fā)現(xiàn)過程模型，才能進行后面符合性檢查和過程改進的階段研究。但從日志中不一定能準確發(fā)現(xiàn)兩個任務是并發(fā)關系還是短循環(huán)關系，進而影響模型的準確性。故而，對過程模型中短循環(huán)的發(fā)現(xiàn)已成為了業(yè)務過程建模領域的處理難題和研究特點。雖然近年來已有文獻提出了對短循環(huán)進行挖掘的技術方法，但大多采用人為假定方式。目前，針對長度為2的短循環(huán)結(jié)構(gòu)挖掘方式是人為的假定日志軌跡中一定存在固定的行為模式“aba”，這種特征稱之為顯式特征，可以直接從日志中觀察到。但是，現(xiàn)實情況是存在過程模型包含2-度循環(huán)結(jié)構(gòu)(由任務a和任務b組成)，日志文件中卻不存在類似“aba”的顯式特征。因此，有必要研究提出一種基于隱式特征從局部完備性日志中挖掘短循環(huán)的方法。

技術實現(xiàn)要素：

本發(fā)明要解決的技術問題是，提供一種基于隱式特征從局部完備性日志中挖掘短循環(huán)的方法。

解決上述技術問題，本發(fā)明提供了一種基于隱式特征的過程挖掘方法，包括如下步驟：

輸入原始日志進行日志過濾得到新日志，

尋找在所述新日志中的隱式特征，將所述隱式特征中的2-度循環(huán)與并發(fā)結(jié)構(gòu)進行區(qū)分，

通過任務間的緊鄰度來劃分同類的所述2-度循環(huán)，并根據(jù)過程挖掘算法進行挖掘得到帶有2-度循環(huán)的Petri網(wǎng)模型。

更進一步，所述日志過濾至少包括：求解基本關系、向量求解以及日志軌跡編輯的步驟，

所述求解基本關系的步驟，用以根據(jù)原始日志文件中任務的緊鄰關系求出所有任務之間的關系；

所述向量求解的步驟，用以根據(jù)所有任務之間的關系找到形成2-度循環(huán)的變體結(jié)構(gòu)的任務；

所述日志軌跡編輯的步驟，用以將放在同一集合的所有任務轉(zhuǎn)為同一個任務，同時修改所有日志軌跡。

更進一步，將所述隱式特征中的2-度循環(huán)與并發(fā)結(jié)構(gòu)進行區(qū)分時進一步包括如下條件：

每個任務b前面都出現(xiàn)過一個任務a，且任務a的位置不一樣；

如果，每個任務b前面都出現(xiàn)過一個任務a，且任務b和任務a一樣多；

如果，任務b出現(xiàn)了，則日志軌跡中任務a的出現(xiàn)次數(shù)比任務b的出現(xiàn)次數(shù)多；

如果，僅出現(xiàn)任務a；

若滿足上述條件時，則任務a與任務b構(gòu)成2-度循環(huán)；

若在日志中任務a既可在任務b的前面，任務b也可在任務a的前面，則任務a和任務b構(gòu)成并發(fā)結(jié)構(gòu)。

由隱式特征分析器實現(xiàn)，從全局角度對日志中每條軌跡進行計算，如果任務a與任務b是并發(fā)關系，則掃描軌跡是否滿足以下情況：1)如果b出現(xiàn)了，則軌跡中a的出現(xiàn)次數(shù)要比b多；2)每個b前面都出現(xiàn)過一個a，且a的位置不一樣；3)如果只出現(xiàn)a，也認為是滿足的；所有規(guī)則都滿足上面3個要求，則任務a與任務b可以構(gòu)成2-度循環(huán)，如果要求1改為a與b出現(xiàn)一樣多，則滿足要求1和2的a與b也可以構(gòu)成2-度循環(huán)。

更進一步，通過任務間的緊鄰度來劃分同類的所述2-度循環(huán)按照步驟進行：

4-1)如果日志中出現(xiàn)一次任務b緊鄰任務a后面，緊鄰度的值為1，則總緊鄰度值FD加1；

4-2)如果日志中出現(xiàn)一次a執(zhí)行后，隔著另外一個任務再執(zhí)行b，則總緊鄰度值FD加0.5；

4-3)按照上面過程類推，每隔一個任務，緊鄰度的值就降一半，再加到總緊鄰度的值上。

由緊鄰度計算器實現(xiàn)，具體公式如下所示，其中變量m是在每條軌跡中，b出現(xiàn)的次數(shù)，n是軌跡的數(shù)量，t是任務b與任務a的距離，β是稀釋因子，默認β＝0.5；其計算過程內(nèi)容就是：1)如果日志中出現(xiàn)一次任務b緊鄰任務a后面，緊鄰度的值為1，則總緊鄰度值FD加1；2)如果日志中出現(xiàn)一次a執(zhí)行后，隔著另外一個任務再執(zhí)行b，則總緊鄰度值FD加0.5；3)按照上面過程類推，每隔一個任務，緊鄰度的值就降一半，再加到總緊鄰度的值上。

更進一步，過程挖掘算法包括：重新定義基本關系和擴展α算法兩部分：

所述重新定義基本關系，用以在找到2-度循環(huán)結(jié)構(gòu)后，通過循環(huán)關系和緊鄰關系來重新定義所有任務的順序關系、選擇關系以及并發(fā)關系；

所述擴展α算法，通過在經(jīng)典α算法基礎上插入一步步驟，用于判斷如果任務a和任務b是變體結(jié)構(gòu)，則先還原回來，然后接著執(zhí)行后續(xù)步驟，則得到包含2-度循環(huán)結(jié)構(gòu)的過程模型。

更進一步，所述重新定義基本關系時具體規(guī)則如下：

1)如果日志中出現(xiàn)一次任務b緊鄰任務a后面，同時滿足a不緊鄰在b后面或者a與b是2-度循環(huán)，則任務a與任務b為順序關系，記為a→b；

2)如果日志中沒有出現(xiàn)過任務b緊鄰任務a后面，同時a也沒有緊鄰在b后面出現(xiàn)過，則任務a與任務b為選擇關系，記為a#b；

3)如果日志中出現(xiàn)一次任務b緊鄰任務a后面，同時滿足a緊鄰在b后面并且a與b不是2-度循環(huán)，則任務a與任務b為并發(fā)關系，記為a||b。

更進一步，所述向量求解的步驟具體包括：

7-1)首先將所有的任務集合變成一個N X N的二維矩陣，其中N代表任務個數(shù)，矩陣中第i行第j列的值代表這兩個任務的基本關系，初始值全為0；

7-2)然后每一行代表一個任務的與其他任務的所有行為關系，作為一個一維的行為向量；

7-3)最后將通過向量比較，找出所有向量相等且兩者是選擇關系的任務放在同一個集合中。

更進一步，所述求解基本關系的步驟具體包括：

8-1)如果出現(xiàn)一次任務b緊鄰在任務a后面，且a沒有緊鄰在b后面，則a與b是順序關系，用1表示；

8-2)如果任務b沒有緊鄰在任務a后面，且a沒有緊鄰在b后面，則a與b是選擇關系，用0表示；

8-3)如果存在任務b緊鄰在任務a后面，且存在a緊鄰在b后面，則a與b是并發(fā)關系，用2表示。9.根據(jù)權利要求1所述的過程挖掘方法，其特征在于，所述原始日志滿足：局部完備性。

基于上述，本發(fā)明還提供了一種基于隱式特征的過程挖掘系統(tǒng)，包括：日志過濾器、隱式特征分析器、緊鄰度計算器以及拓展算法挖掘器，

所述日志過濾器，被配置為接收輸入的原始日志進行日志過濾得到新日志，

所述隱式特征分析器，被配置為尋找在所述新日志中的隱式特征，將所述隱式特征中的2-度循環(huán)與并發(fā)結(jié)構(gòu)進行區(qū)分，

所述緊鄰度計算器，被配置為通過任務間的緊鄰度來劃分同類的所述2-度循環(huán)，

所述拓展算法挖掘器，被配置為根據(jù)過程挖掘算法進行挖掘得到帶有2-度循環(huán)的Petri網(wǎng)模型。

所述日志過濾器中的向量求解過程中，首先將所有的任務集合變成一個N X N的二維矩陣，其中N代表任務個數(shù)，矩陣中第i行第j列的值代表這兩個任務的基本關系，初始值全為0；然后每一行代表一個任務的與其他任務的所有行為關系，將它視為一個一維的行為向量；最后將通過向量比較，找出所有向量相等且兩者是選擇關系的任務放在同一個集合。

所述日志過濾器中的日志軌跡編輯是將放在同一集合里面的所有任務轉(zhuǎn)為同一個任務，其過程是：若任務a、任務b、任務c處于同一集合，說明它們向量相等且都是選擇關系，這時掃描所有的日志軌跡，將日志所有出現(xiàn)a、b或c的事件全部改為“a-b-c”。

本發(fā)明的有益效果：

區(qū)別于原有技術方法(比如，文獻[Medeiros A K A D,Dongen B F V,Weijters A J M M.Process Mining:Extending the-algorithm to Mine Short Loops[J].Eindhoven University of Technology,2004.]和文獻[LU Fa Ming ZENG Qing Tian DUAN Hua CHENG Jiu Jun BAO Yun Xia College of Information Science and Engineering.Parallelized Heuristic Process Mining Algorithm[J].Journal of Software,2015,26.])的本發(fā)明具備如下區(qū)別技術特征：

1)為了從日志文件中挖掘出具有短循環(huán)結(jié)構(gòu)(2-度循環(huán)和自循環(huán))過程模型，原有技術方法文獻[Medeiros A K A D,Dongen B F V,Weijters A J M M.Process Mining:Extending the-algorithm to Mine Short Loops[J].Eindhoven University of Technology,2004.]的措施是人為的假定日志必須滿足循環(huán)完備性(比局部完備性更強)，即在日志中一定要出現(xiàn)顯式行為特征“aba”才能挖掘出來任務a和b是2-度循環(huán)。但現(xiàn)實情況是日志文件中不一定存在顯式行為特征“aba”。具體地，本發(fā)明是在日志滿足局部完備性的基礎上，基于2-度循環(huán)的隱式特征來區(qū)分循環(huán)與并發(fā)關系，接著運用任務之間的緊鄰度強弱來劃分循環(huán)。最后，通過擴展經(jīng)典α算法挖掘出包含2-度循環(huán)結(jié)構(gòu)的過程模型。

2)為了挖掘存在2-度循環(huán)結(jié)構(gòu)過程模型，原有技術方法文獻[[LU Fa Ming ZENG Qing Tian DUAN Hua CHENG Jiu Jun BAO Yun Xia College of Information Science and Engineering.Parallelized Heuristic Process Mining Algorithm[J].Journal of Software,2015,26.]的措施是采用啟發(fā)式原理求解日志中顯式行為特征“aba”出現(xiàn)的概率，同時采用校對因子排除并發(fā)干擾來挖掘2-度循環(huán)。具體地，本發(fā)明從全局視角，針對2-度循環(huán)的隱式特征來區(qū)分循環(huán)結(jié)構(gòu)與并發(fā)結(jié)構(gòu)。同時，通過對原始日志文件的過濾處理，排除了2-度循環(huán)變體結(jié)構(gòu)對算法的干擾。此外通過緊鄰度來劃分同類循環(huán)結(jié)構(gòu)，從而達到提高2-度循環(huán)結(jié)構(gòu)挖掘準確率的目的。

此外，本發(fā)明技術將在業(yè)務過程的模型挖掘方面具有廣闊的應用背景，對實現(xiàn)企業(yè)的自動化建模尤為重要。

附圖說明

圖1是本發(fā)明一實施例中的方法流程示意圖；

圖2是本發(fā)明一實施例中的系統(tǒng)結(jié)構(gòu)示意圖。

具體實施方式

現(xiàn)在將參考一些示例實施例描述本公開的原理。可以理解，這些實施例僅出于說明并且?guī)椭绢I域的技術人員理解和實施例本公開的目的而描述，而非建議對本公開的范圍的任何限制。在此描述的本公開的內(nèi)容可以以下文描述的方式之外的各種方式實施。

如本文中所述，術語“包括”及其各種變體可以被理解為開放式術語，其意味著“包括但不限于”。術語“基于”可以被理解為“至少部分地基于”。術語“一個實施例”可以被理解為“至少一個實施例”。術語“另一實施例”可以被理解為“至少一個其它實施例”。

可以理解，本申請中的短循環(huán)特指長度為2的循環(huán)結(jié)構(gòu)(簡稱2-度循環(huán))?，F(xiàn)有挖掘方法在挖掘2-度循環(huán)時規(guī)定了過程挖掘日志中必須存在固定的行為模式，如“aba”。但實際情況是，在滿足局部完備性的前提下，日志軌跡是不一定存在這種固定的行為模式。

如圖1所示是本發(fā)明一實施例中的方法流程示意圖，本實施例中的一種基于隱式特征的過程挖掘方法，包括如下步驟：

S100輸入原始日志進行日志過濾得到新日志，

S101尋找在所述新日志中的隱式特征，將所述隱式特征中的2-度循環(huán)與并發(fā)結(jié)構(gòu)進行區(qū)分，

S102通過任務間的緊鄰度來劃分同類的所述2-度循環(huán)，并根據(jù)過程挖掘算法進行挖掘得到帶有2-度循環(huán)的Petri網(wǎng)模型。

具體地，S100輸入原始日志進行日志過濾得到新日志，本實施例中開面向基于Petri網(wǎng)的過程挖掘分析方法，以滿足局部完備性日志作為輸入，輸出具有短循環(huán)的Petri網(wǎng)模型。其中的短循環(huán)特指長度為2的循環(huán)結(jié)構(gòu)(簡稱2-度循環(huán))?，F(xiàn)有挖掘方法在挖掘2-度循環(huán)時規(guī)定了過程挖掘日志中必須存在固定的行為模式，如“aba”。但實際情況是，在滿足局部完備性的前提下，日志軌跡是不一定存在這種固定的行為模式。

本實施例中，首先，將日志軌跡中的緊鄰關系轉(zhuǎn)化為行為特征向量，通過特征向量過濾滿足局部完備性的日志文件，合并了2-度循環(huán)結(jié)構(gòu)的變體結(jié)構(gòu)。接著，從全局角度找出2-度循環(huán)結(jié)構(gòu)的隱式特征，很好的區(qū)分循環(huán)與并發(fā)。然后，通過對日志軌跡中的任務之間的緊鄰度強弱來準確劃分循環(huán)結(jié)構(gòu)。最后，通過2-度循環(huán)關系及緊鄰關系來定義過程模型中的順序關系、選擇關系和并發(fā)關系，并由這些關系來正確的挖掘出整個過程模型。

具體地，將原始日志作為輸入，然后通過每個任務的行為向量找到2-度循環(huán)的變體結(jié)構(gòu)任務，將它們化簡為一個任務。該步驟由圖1所示的日志過濾器實現(xiàn)，

包含三部分內(nèi)容：(1)求解基本關系；(2)向量求解；(3)日志軌跡編輯。

其中，求解基本關系就是根據(jù)原始日志文件中任務的緊鄰關系來求出所有任務之間的關系，其過程是：1)如果出現(xiàn)一次任務b緊鄰在任務a后面，且a沒有緊鄰在b后面，則a與b是順序關系，用1表示；2)如果任務b沒有緊鄰在任務a后面，且a沒有緊鄰在b后面，則a與b是選擇關系，用0表示；3)如果存在任務b緊鄰在任務a后面，且存在a緊鄰在b后面，則a與b是并發(fā)關系，用2表示。

其中，向量求解是根據(jù)所有的任務的基本關系來找到形成2-度循環(huán)的變體結(jié)構(gòu)的任務，其過程是：1)首先將所有的任務集合變成一個N X N的二維矩陣，其中N代表任務個數(shù)，矩陣中第i行第j列的值代表這兩個任務的基本關系，初始值全為0；2)然后每一行代表一個任務的與其他任務的所有行為關系，將它視為一個一維的行為向量，比如所有任務有a，b，c，d和e共5個。其中包含2-度循環(huán)結(jié)構(gòu)的基本關系矩陣為則任務c的行為向量為c＝[0,2,0,0,0],任務d的行為向量為d＝[0,2,0,0,0]；3)最后將通過向量比較，找出所有向量相等且兩者是選擇關系的任務放在同一個集合set1＝{c,d}。

其中，日志軌跡編輯過程是將放在同一集合里面的所有任務轉(zhuǎn)為同一個任務，同時修改所有日志軌跡，其具體過程是：比如日志中一條軌跡σ1＝<a,b,c,b,d,b,e>，其中求得set1＝{c,d}，則對軌跡中的c,d兩個任務全部改為一個任務c-d，改后的軌跡σ2＝<a,b,c-d,b,c-d,b,e>，依次掃描所有的日志軌跡，進行編輯修改。

步驟S101尋找在所述新日志中的隱式特征，將所述隱式特征中的2-度循環(huán)與并發(fā)結(jié)構(gòu)進行區(qū)分，

具體地，，針對過濾變體結(jié)構(gòu)后的新日志進行隱式特征尋找，從而達到區(qū)分2-度循環(huán)與并發(fā)結(jié)構(gòu)的目的。該步驟由圖1所示的隱式特征分析器實現(xiàn)，其原理是2-度循環(huán)結(jié)構(gòu)雖然和并發(fā)都會出現(xiàn)b緊鄰在a后面，a緊鄰在b后面，但是2-度循環(huán)結(jié)構(gòu)還需要滿足以下要求：1)如果b出現(xiàn)了，則軌跡中a的出現(xiàn)次數(shù)要比b多；2)每個b前面都出現(xiàn)過一個a，且a的位置不一樣；3)如果只出現(xiàn)a，也認為是滿足的；所有規(guī)則都滿足上面3個要求，則任務a與任務b可以構(gòu)成2-度循環(huán)，如果要求1改為a與b出現(xiàn)一樣多，則滿足要求1和2的a與b也可以構(gòu)成2-度循環(huán)。

步驟S102通過任務間的緊鄰度來劃分同類的所述2-度循環(huán)，并根據(jù)過程挖掘算法進行挖掘得到帶有2-度循環(huán)的Petri網(wǎng)模型。

具體地，區(qū)分兩個2-度循環(huán)結(jié)構(gòu)僅由隱式特征還不能準確劃分，必須通過任務間的緊鄰度來劃分。該步驟由圖1所示的緊鄰度計算器實現(xiàn)，核心思想是：1)如果日志中出現(xiàn)一次任務b緊鄰任務a后面，緊鄰度的值為1，則總緊鄰度值FD加1；2)如果日志中出現(xiàn)一次a執(zhí)行后，隔著另外一個任務再執(zhí)行b，則總緊鄰度值FD加0.5；3)按照上面過程類推，每隔一個任務，緊鄰度的值就降一半，再加到總緊鄰度的值上。比如，日志中存僅存在一條軌跡為σ3＝<…ab…aXb…aXXb…a…>，其中X表示一個任務事件。則n＝1，m＝3，F(xiàn)D(a,b)＝0.5^1-1+0.5^2-1+0.5^3-1＝1.75。

具體地，擴展經(jīng)典α算法，以達到挖掘出包含2-度循環(huán)結(jié)構(gòu)的準確模型。該步驟由圖1所示的擴展算法挖掘完成，主要包括兩個內(nèi)容：重新定義基本關系和擴展α算法。

其中，重新定義基本關系是在找到2-度循環(huán)結(jié)構(gòu)后，通過循環(huán)關系和緊鄰關系來重新定義所有任務的順序關系、選擇關系和并發(fā)關系。主要過程是：1)如果日志中出現(xiàn)一次任務b緊鄰任務a后面，同時滿足a不緊鄰在b后面或者a與b是2-度循環(huán)，則任務a與任務b為順序關系，記為a→b；2)如果日志中沒有出現(xiàn)過任務b緊鄰任務a后面，同時a也沒有緊鄰在b后面出現(xiàn)過，則任務a與任務b為選擇關系，記為a#b；3)如果日志中出現(xiàn)一次任務b緊鄰任務a后面，同時滿足a緊鄰在b后面并且a與b不是2-度循環(huán)，則任務a與任務b為并發(fā)關系，記為a||b。

其中，擴展α算法過程是在經(jīng)典α算法基礎上(一共8步)插入一步(在第5和第6步中間插入)使得擴展后的α算法共包含9步，插入的一步主要用于判斷如果任務a和任務b是變體結(jié)構(gòu)，則先還原回來，然后接著執(zhí)行后面3步就可以得到包含2-度循環(huán)結(jié)構(gòu)的過程模型。具體擴展后的算法內(nèi)容是：

(1)

(2)

(3)

(4)

(5)

(6)For each(A,B)∈Y_Wdo:

(a)For each _a∈_A do:

If(a是變體結(jié)構(gòu)，則還原)

(b)For each _b∈_B do:

If(b是變體結(jié)構(gòu)，則還原)

(7)P_W＝{P_(A,B)|(A,B)∈Y_W}∪{I_w,O_w}；

(8)F_W＝{(a,P_(A,B))|(A,B)∈Y_W∧a_∈A}∪{(P_(A,B),b)|(A,B)∈Y_W∧b_∈B}∪{(I_w,t)|t∈T_I}∪{(t,O_w)|t∈T_o}；

(9)α(W)＝{P_W,T_w,F_W}；

如圖2所示是本發(fā)明一實施例中的系統(tǒng)結(jié)構(gòu)示意圖，本實施例中的一種基于隱式特征的過程挖掘系統(tǒng)，包括：日志過濾器1、隱式特征分析器2、緊鄰度計算器3以及拓展算法挖掘器4，

所述日志過濾器1，被配置為接收輸入的原始日志進行日志過濾得到新日志，

所述隱式特征分析器2，被配置為尋找在所述新日志中的隱式特征，將所述隱式特征中的2-度循環(huán)與并發(fā)結(jié)構(gòu)進行區(qū)分，

所述緊鄰度計算器3，被配置為通過任務間的緊鄰度來劃分同類的所述2-度循環(huán)，

所述拓展算法挖掘器4，被配置為根據(jù)過程挖掘算法進行挖掘得到帶有2-度循環(huán)的Petri網(wǎng)模型。

在一些實施例中，所述日志過濾器1包括但不限于如下步驟：由日志過濾器實現(xiàn)，包含求解基本關系、向量求解和日志軌跡編輯。

在一些實施例中，上述基本關系求解的過程是掃描所有日志軌跡：1)如果出現(xiàn)一次任務b緊鄰在任務a后面，且a沒有緊鄰在b后面，則a與b是順序關系，用1表示；2)如果任務b沒有緊鄰在任務a后面，且a沒有緊鄰在b后面，則a與b是選擇關系，用0表示；3)如果存在任務b緊鄰在任務a后面，且存在a緊鄰在b后面，則a與b是并發(fā)關系，用2表示。

在一些實施例中，所述日志過濾器1中的向量求解過程中，首先將所有的任務集合變成一個N X N的二維矩陣，其中N代表任務個數(shù)，矩陣中第i行第j列的值代表這兩個任務的基本關系，初始值全為0；然后每一行代表一個任務的與其他任務的所有行為關系，將它視為一個一維的行為向量；最后將通過向量比較，找出所有向量相等且兩者是選擇關系的任務放在同一個集合。

在一些實施例中，所述日志過濾器1中的日志軌跡編輯是將放在同一集合里面的所有任務轉(zhuǎn)為同一個任務，其過程是：若任務a、任務b、任務c處于同一集合，說明它們向量相等且都是選擇關系，這時掃描所有的日志軌跡，將日志所有出現(xiàn)a、b或c的事件全部改為“a-b-c”。

在一些實施例中，所述隱式特征分析器2中，由隱式特征分析器實現(xiàn)，從全局角度對日志中每條軌跡進行計算，如果任務a與任務b是并發(fā)關系，則掃描軌跡是否滿足以下情況：1)如果b出現(xiàn)了，則軌跡中a的出現(xiàn)次數(shù)要比b多；2)每個b前面都出現(xiàn)過一個a，且a的位置不一樣；3)如果只出現(xiàn)a，也認為是滿足的；所有規(guī)則都滿足上面3個要求，則任務a與任務b可以構(gòu)成2-度循環(huán)，如果要求1改為a與b出現(xiàn)一樣多，則滿足要求1和2的a與b也可以構(gòu)成2-度循環(huán)。

在一些實施例中，所述緊鄰度計算器3中，由緊鄰度計算器實現(xiàn)，具體公式如下所示，其中變量m是在每條軌跡中，b出現(xiàn)的次數(shù)，n是軌跡的數(shù)量，t是任務b與任務a的距離，β是稀釋因子，默認β＝0.5；其計算過程內(nèi)容就是：1)如果日志中出現(xiàn)一次任務b緊鄰任務a后面，緊鄰度的值為1，則總緊鄰度值FD加1；2)如果日志中出現(xiàn)一次a執(zhí)行后，隔著另外一個任務再執(zhí)行b，則總緊鄰度值FD加0.5；3)按照上面過程類推，每隔一個任務，緊鄰度的值就降一半，再加到總緊鄰度的值上。

在一些實施例中，所述拓展算法挖掘器4，由擴展算法完成，包含重新定義基本關系和擴展α算法。

在一些實施例中，所述的重新定義基本關系過程是：1)如果日志中出現(xiàn)一次任務b緊鄰任務a后面，同時滿足a不緊鄰在b后面或者a與b是2-度循環(huán)，則任務a與任務b為順序關系，記為a→b；2)如果日志中沒有出現(xiàn)過任務b緊鄰任務a后面，同時a也沒有緊鄰在b后面出現(xiàn)過，則任務a與任務b為選擇關系，記為a#b；3)如果日志中出現(xiàn)一次任務b緊鄰任務a后面，同時滿足a緊鄰在b后面并且a與b不是2-度循環(huán)，則任務a與任務b為并發(fā)關系，記為a||b。

在一些實施例中，上述的擴展α算法過程是在經(jīng)典α算法基礎上(一共8步)插入一步(在第5和第6步中間插入)使得擴展后的α算法共包含9步，插入的一步主要用于判斷如果任務a和任務b是變體結(jié)構(gòu)，則先還原回來，然后接著執(zhí)行后面3步就可以得到包含2-度循環(huán)結(jié)構(gòu)的過程模型。

應當理解，本發(fā)明的各部分可以用硬件、軟件、固件或它們的組合來實現(xiàn)。在上述實施方式中，多個步驟或方法可以用存儲在存儲器中且由合適的指令執(zhí)行系統(tǒng)執(zhí)行的軟件或固件來實現(xiàn)。例如，如果用硬件來實現(xiàn)，和在另一實施方式中一樣，可用本領域公知的下列技術中的任一項或他們的組合來實現(xiàn)：具有用于對數(shù)據(jù)信號實現(xiàn)邏輯功能的邏輯門電路的離散邏輯電路，具有合適的組合邏輯門電路的專用集成電路，可編程門陣列(PGA)，現(xiàn)場可編程門陣列(FPGA)等。

在本說明書的描述中，參考術語“一個實施例”、“一些實施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結(jié)合該實施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特點包含于本發(fā)明的至少一個實施例或示例中。在本說明書中，對上述術語的示意性表述不一定指的是相同的實施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點可以在任何的一個或多個實施例或示例中以合適的方式結(jié)合。

總體而言，本公開的各種實施例可以以硬件或?qū)Ｓ秒娐?、軟件、邏輯或其任意組合實施。一些方面可以以硬件實施，而其它一些方面可以以固件或軟件實施，該固件或軟件可以由控制器、微處理器或其它計算設備執(zhí)行。雖然本公開的各種方面被示出和描述為框圖、流程圖或使用其它一些繪圖表示，但是可以理解本文描述的框、設備、系統(tǒng)、技術或方法可以以非限制性的方式以硬件、軟件、固件、專用電路或邏輯、通用硬件或控制器或其它計算設備或其一些組合實施。

此外，雖然操作以特定順序描述，但是這不應被理解為要求這類操作以所示的順序執(zhí)行或是以順序序列執(zhí)行，或是要求所有所示的操作被執(zhí)行以實現(xiàn)期望結(jié)果。在一些情形下，多任務或并行處理可以是有利的。類似地，雖然若干具體實現(xiàn)方式的細節(jié)在上面的討論中被包含，但是這些不應被解釋為對本公開的范圍的任何限制，而是特征的描述僅是針對具體實施例。在分離的一些實施例中描述的某些特征也可以在單個實施例中組合地執(zhí)行。相反對，在單個實施例中描述的各種特征也可以在多個實施例中分離地實施或是以任何合適的子組合的方式實施。