使用增量评估挖掘最小的行为模式集
内容提要
该文综述流程挖掘与模式挖掘研究，涵盖自动化流程发现评估、知识图谱降噪、事件聚类生成层次模型、通用性度量框架、预测模型模式选择、序列模式挖掘、局部过程模型分组、多兴趣交互式框架、高效用模式综述，以及用流程挖掘分析学生学习路径。
延伸解读
流程发现评估的现状与挑战
文章指出，对12个公开和12个专有事件日志、9个质量指标的评估显示，自动化流程发现方法存在明显差距和未探索的权衡。某些方法缺乏可扩展性，且在不同质量度量下性能分歧强烈。这意味着实际应用中需根据日志规模和质量要求谨慎选择方法，并关注多指标间的平衡。
知识图谱与事件聚类助力流程理解
针对事件日志中的噪声和不完整信息，有研究提出基于知识图谱的方法来缓解其对流程分析的影响，并帮助分析师理解日志可变性。另一项工作则通过事件聚类自动合成层次化业务流程模型，以生成更易读的过程模型。这些方法共同提升了流程挖掘的鲁棒性和可理解性。
模式挖掘的多样化应用与评估
文章涵盖模式挖掘在预测模型中的模式选择、新序列模式挖掘问题、局部过程模型分组、多兴趣交互式框架以及高效用模式综述等。这些研究展示了模式挖掘在提升预测性能、发现用户感兴趣模式以及处理高效用模式方面的进展，同时也强调了实际应用中的挑战和开放问题。
教育领域的流程挖掘实践
一项研究使用过程挖掘和基于规则的人工智能，从校园管理系统数据和学习计划模型中分析学生的学习路径，检测并可视化异常计划，提供建议以实现学习计划的规划和监控。这体现了流程挖掘在教育场景中的实际应用价值，有助于优化学习路径和教学管理。
Q&A
自动化流程发现方法存在哪些主要差距和权衡？
该论文通过对12个公开事件日志、12个专有事件日志和9个质量指标的评估，发现自动化流程发现方法存在某些方法缺乏可扩展性，以及在不同质量度量方面性能强烈分歧的差距和未被探索的权衡。
如何利用知识图谱缓解事件日志中的噪声或不完整信息？
本文提出了一种基于知识图谱的方法，用于缓解事件日志中的噪声或不完整信息对流程分析技术的影响，并帮助流程分析师理解与事件日志相关的可变性。
如何从事件日志中发现层次化业务流程模型？
本文介绍了一种基于事件聚类的自动化合成算法，用于从底层事件日志中发现层次化业务流程模型，以便生成更易读和理解的过程模型。
什么是流程挖掘中的通用性度量框架？
本研究提出了一种从事件日志中发现模式并将其与流程模型中的控制流结构进行比较的通用性度量框架，并使用串联重复和并发神谕等方法实例化框架以更好地解决流程挖掘中存在的一些问题。
模式挖掘在预测模型中有哪些应用？
本文讨论了模式挖掘在预测模型中的应用，并提供具有解释性和准确性的模式选择方法。
如何对类似的局部过程模型进行分组？
本文提出了一个通过使用不同的过程模型相似性度量来对类似的局部过程模型进行分组的三步流程，并通过实际案例研究展示了分组的实用性以及发现的局部过程模型的重复性对其进行改进的影响。
