计算机应用

作者：李多芹, 方贤文, 王丽丽, 邵叱风

单位：1.安徽理工大学 数学与大数据学院, 安徽 淮南 232001；2.嵌入式系统与服务计算教育部重点实验室(同济大学), 上海 201804；3.安徽科技学院 信息与网络工程学院, 安徽 蚌埠 233030

关键词：标准成本函数,最大同步成本函数,典型流特征,感知成本,重要同步成本函数,有效对齐

基金：国家自然科学基金资助项目(61402011);安徽省自然科学基金资助项目(1508085MF111);安徽理工大学研究生创新基金资助项目(2019CX2068)

现存的成本函数没有考虑到业务流程中各活动在现实情境中的不同的重要程度，于是在模型与日志的对齐过程中可能会导致对齐成本严重偏离感知成本。针对这一问题，基于业务流程中行为的典型流特征提出了重要同步成本函数的概念，并在该函数下给出一种能够提升效率的对齐方法。首先，基于感知成本的概念定义重要同步成本函数；接着，依据日志迹以及流程模型中行为的典型流特征来确定用以分割流程模型与日志迹的重要匹配子序列；最后，基于重要同步成本函数来对齐分割后的子流程和对应的日志迹子序列，并将分段对齐的结果进行合并得到最终的对齐结果。实验部分从准确率和效率两方面进行验证所提方法：在准确率方面，与现存的标准成本函数和最大同步成本函数相比，所提成本函数下的对齐准确率最高提升了17.44个百分点，且当事件日志包含混合噪声时，所提成本函数下的平均对齐准确率最高，为88.67%；在对齐效率方面则通过比较对齐所耗时间来验证，现存两种函数的平均耗时分别为1.58 s和2.21 s，而所提方法为0.63 s，效率分别提升了150.79%和250.79%。实验结果表明所提方法能在满足准确率需求的同时提升对齐的效率。

来源：2022年第10期

《计算机应用》期刊编辑部

查看计算机应用杂志2022年第10期