流程挖掘算法综述
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

国防科技重点实验室基础研究项目(DXZT-JC-ZZ-2018-002, DXZT-JC-ZZ-2017-001)


Research on Process Mining Algorithm
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 增强出版
  • |
  • 文章评论
    摘要:

    由于流程挖掘技术的快速发展, 流程挖掘算法种类增加迅速, 已有的算法研究文章介绍已不全面. 针对这一情况对迄今为止的流程挖掘主要算法进行系统性的分析总结. 首先对流程挖掘算法现状进行总体分析, 接着根据算法特性将流程挖掘算法分为传统的流程挖掘算法和基于计算智能和机器学习技术的流程挖掘算法两大类, 简要介绍其中代表性算法的基本思想和相关步骤, 最后比较了各类算法的优势和不足. 其中关于算法的分类和总结有助于初学者梳理流程挖掘领域相关算法知识, 而对发展现状和算法比较的分析则可以启发研究人员有待突破的方面.

    Abstract:

    Due to the rapid development of process mining technology, the variety of process mining algorithms has increased rapidly, and the introduction of existing algorithm research articles is no longer comprehensive. In view of this, we systematically analyze and summarize process mining algorithms so far. Firstly, we analyze the current situation of process mining algorithms in general and then classify them into two categories according to their characteristics: traditional process mining algorithms and process mining algorithms based on computational intelligence and machine learning technologies. Meanwhile, we briefly introduce the basic ideas and related steps of each subclass of representative algorithms and discuss the current advantages and disadvantages of the algorithms. Finally, suggestions regarding algorithm research and improvement in the next step are proposed. The classification and summary of algorithms can help beginners to sort out relevant algorithm knowledge in the field of process mining, and the analysis of the development status and algorithm comparison can guide researchers in areas that need to be broken through.

    参考文献
    相似文献
    引证文献
引用本文

林文祥,刘德生.流程挖掘算法综述.计算机系统应用,2022,31(3):1-8

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2021-05-21
  • 最后修改日期:2021-06-21
  • 录用日期:
  • 在线发布日期: 2022-01-24
  • 出版日期:
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号