在信息爆炸的今天,海量的信息数据被记录于各种信息系统中。由于数据量过于巨大使得人们处理起来较为困难。而业务流程挖掘不仅能把事件数据与流程模型较好的联系起来,同时也能够对这些数据进行相关处理。业务流程挖掘作为业务流程管理中的一种新型应用,可以通过分析和处理相关业务系统上运行的事件日志,从而能够构建出其业务流程的运作过程。同时通过事件日志序列我们可以将初始模型进行优化分析,进而能够获取优化后的模型。研究流程挖掘技术不仅能够帮助提升系统运行效率,减少运行的成本支出,而且也能够提高企业服务质量与其生产效率。目前网购已经成为人们主流消费方式之一,电商平台竞争日益激烈。为了能提升自己的工作效率与服务质量,同时增强顾客的用户粘性与满意度,许多网络商家利用挖掘网购业务流程与其业务流程进行交互合并,用这种方法来实现对流程系统的优化,进而破除其传统的管理方式以得到提升工作效率与服务满意度的目的。在流程挖掘过程中,其内外部因素的影响对挖掘与交互有着较大影响,从而或许会致使通过挖掘与交互得到模型与其实际网购业务流程有所区别,进而影响系统的效率和增大其工作量。为此对网购业务系统的流程挖掘进行探究,同时对其中顾客端与商家端交互合并后的变化域进行相关分析有着深远的意义。目前对数据进行相关分析的常用方法有关联规则法,聚类法,决策树法,神经网络法与支持向量机法等。对系统的业务流程模型的构建一些是通过活动与活动间直接关系得出。也有部分能得到活动与活动间的间接关系,但依然不能从本质上解决活动与活动间的行为关系。在实际操作过程中.经常会致使出现死锁或者虹吸状况。本文基于行为轮廓的相关知识与相关性质,提出了基于行为轮廓的网上购物系统业务流程挖掘与交互合并,同时对网购系统中顾客端与商家端交互后产生的变化域作出分析。本文主要内容如下所述:(1)首先,针对探索网购系统中的业务流程问题,现有的挖掘大多具有一定的不足之处,因为它们的关注点多数是基于分析事件日志中活动之间的相关结构进行研究。本文基于Petri网的行为轮廓序关系,以此来获得系统中事件日志活动间的行为关系。从事件日志活动间的行为关系来挖掘流程模型,提出了一种基于事件日志的网购业务流程系统的挖掘方法。接下来为了确认挖掘出模型的有效性,我们验证了通过该方法获得的挖掘模型与实际流程模型之间的服从度,进行服从度检验。这样能使挖掘出的模型与实际模型有更高的匹配。(2)针对网购过程中顾客端(即顾客网购流程)与商家端(商家订单处理流程)业务流程交互合并的方法,以及在两个流程模型交互后可能出现的变化域的问题,现有的研究大多是基于结构方面进行考虑。它们将依据业务进程中活动发生的先后顺序来进行简单的交互合并,并没能考虑到模型交互合并之后可能会存在变化域的问题,存在一定的局限性。本文通过基于行为轮廓关系以此确定业务流程之间的相互匹配关系,并确定最大匹配域。给出了基于Petri网行为轮廓的网购业务流程系统中顾客端(即顾客网购业务流程)与商家端(即商家接单业务流程)交互合并的方法,同时也给出了寻找变化域的方法,并对变化域产生的原因作出了分析。通过结合业务流程模型里活动之间行为的相互关系,以此来探讨在两个业务流程模型交互合并之后产生的变化域,使得对变化域的分析有所提升。图[16]表[13]参[67]