[论文解读] Process Mining for Python (PM4Py): Bridging the Gap Between Process- and Data Science

Alessandro Berti, Sebastiaan J. van Zelst+1 more|arXiv (Cornell University)|May 15, 2019

Business Process Modeling and Analysis被引用 117

一句话总结

PM4Py 是一个 Python 库，能够实现可定制的过程挖掘算法并与数据科学工具无缝集成，弥合过程挖掘与数据科学工作流之间的差距。

ABSTRACT

Process mining, i.e., a sub-field of data science focusing on the analysis of event data generated during the execution of (business) processes, has seen a tremendous change over the past two decades. Starting off in the early 2000's, with limited to no tool support, nowadays, several software tools, i.e., both open-source, e.g., ProM and Apromore, and commercial, e.g., Disco, Celonis, ProcessGold, etc., exist. The commercial process mining tools provide limited support for implementing custom algorithms. Moreover, both commercial and open-source process mining tools are often only accessible through a graphical user interface, which hampers their usage in large-scale experimental settings. Initiatives such as RapidProM provide process mining support in the scientific workflow-based data science suite RapidMiner. However, these offer limited to no support for algorithmic customization. In the light of the aforementioned, in this paper, we present a novel process mining library, i.e. Process Mining for Python (PM4Py) that aims to bridge this gap, providing integration with state-of-the-art data science libraries, e.g., pandas, numpy, scipy and scikit-learn. We provide a global overview of the architecture and functionality of PM4Py, accompanied by some representative examples of its usage.

研究动机与目标

• 降低过程挖掘中算法开发和定制的门槛，相较于现有工具。
• 实现过程挖掘算法在 Python 中与其他数据科学库的易于集成。
• 培养分享代码和结果的协作生态系统，在过程挖掘领域。
• 提供全面的文档和严格的测试，确保算法稳定性。
• 支持过程挖掘中的大规模实验和可复现的研究。

提出的方法

• 在专用的 PM4Py 包中对对象、算法和可视化进行严格分离。
• 提供工厂方法，作为算法变体（例如 Alpha Miner classic 和 plus）的统一访问入口。
• 支持多种事件数据结构（事件日志、事件流、pandas 数据框）以及格式之间的转换。
• 实现核心过程挖掘技术（发现、符合性检查、增强）和质量度量（拟合度、精确度、泛化、简洁性）。
• 通过 Plot、GraphViz、NetworkX、以及 Pyvis 的集成，为过程模型和社会网络提供可视化。

实验结果

研究问题

• RQ1 如何在 Python 中使过程挖掘算法易于扩展和定制？
• RQ2 PM4Py 如何将过程挖掘与现有的 Python 数据科学库集成？
• RQ3 PM4Py 是否能够在过程挖掘社区内支持大规模实验和协作？
• RQ4 在学术和实际场景中 PM4Py 的成熟度和采用程度如何？

主要发现

• PM4Py 提供 Alpha Miner 与 Inductive Miner 的实现，并与符合性检查和性能度量保持一致。
• PM4Py 支持事件日志、事件流和 pandas 数据框以实现可扩展的数据处理。
• PM4Py 使用工厂方法来管理算法变体并确保向后兼容。
• PM4Py 能通过 GraphViz、NetworkX、Pyvis 对 Petri 网、直接后继图和社会网络进行可视化。
• PM4Py 1.0 于 2018 年发布，PM4Py 1.1 于 2019 年发布，在课程中的使用日益增加，并与其他项目的集成也在增长。