[论文解读] Process Discovery using Inductive Miner and Decomposition

Raji Ghawi|arXiv (Cornell University)|Oct 25, 2016

Business Process Modeling and Analysis参考文献 3被引用 14

一句话总结

本文提出了一种在ProM中结合归纳挖掘器（Inductive Miner）与分解技术的混合方法，用于流程发现，旨在平衡从事件日志中提取业务流程模型时的过拟合与欠拟合问题。该方法在测试数据上的轨迹分类准确率达到96%，在BPM2016流程发现竞赛中获得第二名。

ABSTRACT

This report presents a submission to the Process Discovery Contest. The contest is dedicated to the assessment of tools and techniques that discover business process models from event logs. The objective is to compare the efficiency of techniques to discover process models that provide a proper balance between "overfitting" and "underfitting". In the context of the Process Discovery Contest, process discovery is turned into a classification task with a training set and a test set; where a process model needs to decide whether traces are fitting or not. In this report, we first show how we use two discovery techniques, namely: Inductive Miner and Decomposition, to discover process models from the training set using ProM tool. Second, we show how we use replay results to 1) check the rediscoverability of models, and to 2) classify unseen traces (in test logs) as fitting or not. Then, we discuss the classification results of validation logs, the complexity of discovered models, and their impact on the selection of models for submission. The report ends with the pictures of the submitted process models.

研究动机与目标

• 开发一种稳健的流程发现方法，以平衡从事件日志中提取的业务流程模型的过拟合与欠拟合问题。
• 评估结合归纳挖掘器与分解技术在提升模型泛化能力与可重发现性方面的有效性。
• 基于验证日志与测试日志上的分类性能，结合复杂度度量指标，优化模型选择。
• 向BPM2016流程发现竞赛提交高精度的流程模型，实现在轨迹分类中的顶级表现。
• 利用重放技术验证模型拟合度，并准确分类未见轨迹。

提出的方法

• 在ProM Lite中应用归纳挖掘器，基于训练事件日志发现结构良好、块结构化的工作流网模型。
• 通过ProM 6.5.1实现基于分解的流程挖掘，以建模具有更高结构复杂度的复杂流程。
• 采用重放分析验证可重发现性——确保所有训练轨迹均可由所发现模型生成。
• 利用重放结果，根据模型符合度将验证日志与测试日志中的未见轨迹分类为拟合或非拟合。
• 使用扩展卡索度量（ECaM）、扩展环路复杂度度量（ECyM）和结构化度量（SM）等指标评估模型复杂度。
• 依据奥卡姆剃刀原则选择最终模型，当分类性能相近时优先选择更简单的归纳挖掘器模型。

实验结果

研究问题

• RQ1 结合归纳挖掘器与分解技术的混合模型发现方法，在流程挖掘中多大程度上能有效平衡过拟合与欠拟合问题？
• RQ2 归纳挖掘器与分解技术在多大程度上能确保事件日志中训练轨迹的可重发现性？
• RQ3 模型复杂度度量（如SM、ECaM、ECyM）与未见测试轨迹的分类性能之间存在何种相关性？
• RQ4 在缺乏真实模型的情况下，基于复杂度与验证结果的模型选择能否提升分类准确率？
• RQ5 模型简洁性对流程发现竞赛中泛化性能有何影响？

主要发现

• 混合模型选择方法在6月测试日志中实现了200条轨迹中的192条正确分类，准确率达到96%。
• 归纳挖掘器模型表现出显著更低的复杂度，其平均结构化度量（SM）为6,557.44，远低于分解模型的54,856.5。
• 对于日志1、2、4和9，归纳挖掘器模型在分类性能上优于或匹配分解模型，且复杂度显著更低。
• 通过归纳挖掘器发现的日志8模型，在20条负样本轨迹中正确分类了17条，表明其在拒绝非拟合行为方面具有优异的精确度。
• 通过分解技术发现的日志10模型，实现了20条轨迹的全部正确分类，尽管其复杂度较高（SM = 16,435），仍表现出极高性能。
• 最终提交结果在14支参赛队伍中位列第二，证实了该混合方法与模型选择策略的有效性。