过程挖掘旨在从事件日志中发现有价值的客观信息,其研究对于实施新的业务过程以及分析、改进已实施的业务过程具有重要的意义,是近年本领域国际研究的热点。过程挖掘内容包括控制流、组织结构、案例数据等方面,本文研究对控制流的挖掘,突破了非自由选择结构、不可见任务这两大开放性过程挖掘问题。论文的主要贡献如下:1.面向同时包含任务的开始事件和完成事件的事件日志,提出了从中挖掘合理结构化工作流网的β算法,并从理论上证明了算法的正确性,该算法可显式检测任务间的并行关系。2.区分并明确定义了过程模型中任务间的直接依赖与间接依赖两种关系,并对间接依赖关系进行分类,基于不同类型间接依赖的结构特征,给出了可从理论上证明其正确性的间接依赖检测方法,最终提出的α++算法能够从完备事件日志中挖掘包含非自由选择结构的合理工作流网。3.提出了从事件日志中挖掘包含不可见任务的工作流网的α#算法。在对不可见任务进行功能分类(即SIDE、SKIP、REDO和SWITCH)的基础上,进一步根据结构特征将其归为两大类别(即SIDE和SKIP/REDO/SWITCH),随后分别给出了对应类别的检测方法,并对方法的正确性给予了理论证明。论文分别实现了上述算法,并将它们作为挖掘插件集成到开源的过程挖掘框架ProM当中。通过编写大量的人造日志并收集企业当中的实际日志,对这些算法进行了全面的实验评估。