[论文解读] Unfolding-Based Process Discovery
本文提出了一种基于展开的流程发现技术，整合了事件日志、活动间的独立关系以及负向轨迹，以生成一个Petri网，该网能执行所有正向轨迹，保持独立性，并排除所有负向轨迹。该方法利用SMT合成的折叠等价关系，控制展开过程向紧凑且行为忠实的Petri网进行泛化，在实验中实现了高精度和独立性保持。
This paper presents a novel technique for process discovery. In contrast to the current trend, which only considers an event log for discovering a process model, we assume two additional inputs: an independence relation on the set of logged activities, and a collection of negative traces. After deriving an intermediate net unfolding from them, we perform a controlled folding giving rise to a Petri net which contains both the input log and all independence-equivalent traces arising from it. Remarkably, the derived Petri net cannot execute any trace from the negative collection. The entire chain of transformations is fully automated. A tool has been developed and experimental results are provided that witness the significance of the contribution of this paper.
研究动机与目标
- 为解决传统流程发现中的局限性（如日志不完整和噪声），通过整合额外的领域知识。
- 通过利用活动间的独立关系，减少过拟合并提高模型泛化能力。
- 确保所发现的模型不会执行给定负向示例集合中的任何轨迹。
- 自动化合成折叠等价关系，以受控方式将展开泛化为紧凑的Petri网。
提出的方法
- 从事件日志和独立关系构建标记偏序（lpo），生成所有在独立活动置换下等价的Mazurkiewicz轨迹。
- 将lpo集合转换为事件结构，再转换为表示正向轨迹及独立等价轨迹全部行为的出现网。
- 使用SMT合成的折叠等价关系对出现网实施受控折叠过程，生成紧凑的Petri网。
- 定义三类折叠等价关系——SP、IP和MP，每类均保证不同的性质，包括独立性保持。
- 使用SMT求解器合成折叠等价关系，以确保最终网尊重输入的独立关系并排除负向轨迹。
- 在工具（Pod）中实现该方法，并在真实和合成基准上进行评估，以衡量精度、独立性保持和可扩展性。
实验结果
研究问题
- RQ1仅基于事件日志之外，通过引入活动间的独立关系，能否改进流程发现？
- RQ2如何形式化地排除负向轨迹，同时保留所有正向行为？
- RQ3SMT驱动的折叠等价关系合成在多大程度上能确保生成的Petri网保持输入的独立关系？
- RQ4折叠等价关系选择（SP、IP、MP）对模型精度和独立性保持有何影响？
- RQ5最终网中的位置数量如何影响独立性保持和模型保真度？
主要发现
- 在11个测试模型中的9个中，该方法的独立性保持比率超过98%，表明对输入独立关系具有极强的保持能力。
- 精度得到良好保持，9个模型的召回率和精度比率（r_S⊆M 和 r_M⊆S）均超过98%，表明与输入行为高度一致。
- 所有基准的运行时间均在几秒内，显示出该方法的高效性和可扩展性。
- 在某些模型（如Peters、Angio）中，工具无法增加折叠后网中的位置数量，导致独立性和精度显著下降，原因在于SMT编码和事件结构转换中的实现限制。
- 当强制折叠为原始位置数的60%时，方法的精度和独立性均出现大幅下降，凸显了位置数量与模型质量之间的强依赖关系。
- 在某些情况下，该技术成功恢复了原始模型，验证了其从日志和领域知识中恢复复杂流程结构的能力。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。