当前大多数信息系统使用已定义的工作流模型描述任务关系并维护整个业务过程。通过流程挖掘技术,从企业信息系统运行过程中产生的日志数据,还原出能够反映实际工作情况的工作流模型,对于系统理解和优化具有重要意义。在实际的流程建模过程中,建模者可能会为不同的任务节点分配相同的活动名称来表示同一活动在流程不同阶段的执行,这些拥有相同活动名称的不同任务称为重复任务。另外,偶然发生的例外任务和错误任务将会导致噪声日志的生成。在一个业务日益复杂的庞大企业环境中,由于上述重复任务以及噪声日志的存在,简单地依靠工作流日志挖掘出精确的工作流模型将变得越来越困难。本文针对以上问题提出了两种支持流程挖掘的工作流日志预处理算法,通过识别日志中的重复任务和噪声并加以特殊处理,以实现精确的流程建模。在重复任务检测方面,针对已有算法单纯根据前驱数量和相似度进行重复事件划分而导致划分粒度过大或过小的问题,本文提出了基于关系矩阵的工作流重复任务检测方法。该方法首先通过分析流程中由循环和并行结构产生的日志对应的事件之间的关系,提取出这两种结构的行为特征,并通过特征匹配对事件进行标记;然后,通过关系矩阵判断确定日志中同名事件需要划分的种类和位置;最后按照事件相似度由高到低的顺序对重新划分后的事件进行聚类,并选择在精确度方面效果最好的重复任务划分方案。在噪声日志检测方面,本文提出了基于依赖关联度的噪声日志过滤方法。该方法从依赖关系的局部和整体两方面出发,定义了依赖关系的局部关联度和整体关联度,并将两者归一化为混合关联度。与传统噪声日志过滤算法过滤掉包含噪声日志的整条日志轨迹不同,本文提出的基于依赖关联度的噪声日志过滤算法,在移除噪声日志的同时最大程度保留了原始日志中的其他非噪声日志。本文在流程挖掘工具平台ProM上进行了仿真实验。实验证明,基于关系矩阵的工作流重复任务检测方法在精确度和简单性方面优于已有类似算法;基于依赖关联度的噪声日志过滤方法在流程模型的适应度和精确度方面与已有类似算法相比也有了较高提升。