随着信息时代的飞速发展,业务流程管理受到企业的关注,良好的企业运营流程,能够保证企业正常运行以及生产效率的提高。过程挖掘是能够从事件日志中抽取信息,从而发现,监测以及改进过程的一项技术。而数据增长速度过快,先前挖掘的结果可能不再适应当前数据,因此,提出了增量过程挖掘,其目的是在已有挖掘结果的基础上,对不断新增的日志数据进行挖掘,避免了每次从头开始重新挖掘的庞大工作量,提高了过程挖掘效率。因此,对业务流程的发展具有重大的理论和实际应用价值。目前,研究多以发现业务流程中的频繁行为,而将非频繁行为作为噪音直接过滤,这使得业务流程模型缺失部分行为。为解决这一局限性,本文在已有研究的基础上,提出了基于非频繁行为的业务流程增量挖掘方法。本文以业务流程中的非频繁行为为基础,分别提出了基于熵的有效非频繁行为分析方法,基于启发式思想的增量挖掘方法,基于权值的有效低频挖掘方法,基于列表的增量挖掘方法,并通过实例分析验证了所提算法的有效性,本文的主要工作如下:(1)针对非频繁日志增多的问题,已有研究直接根据发生频次高低确定非频繁行为,忽略了在业务发展过程中非频繁行为会变成频繁。本文提出了基于熵的有效非频繁行为分析方法。首先,计算非频繁日志以及新增非频繁日志的条件发生概率,删除条件发生概率值变大的非频繁日志,得到低频日志,然后,计算非频繁日志中活动的直接前集率以及直接后集率,活动的熵值与阈值比较,确定非频繁行为是有效行为。(2)针对过程挖掘结果不适应当前业务流程的问题,本文提出了增量挖掘方法。以启发式挖掘思想为基础,对非频繁日志中每个活动的直接依赖关系建立依赖关系树,计算每个活动的置信度,新增日志重放到初始流程模型中低于阈值的日志则计算日志中活动的置信度用来更新依赖关系树,直到得到最新的依赖关系树,与初始流程比较发现最新活动的依赖关系,从而优化流程模型,最后,通过实例验证所提出方法的有效性。(3)针对业务流程中不同活动的重要性问题,提出了基于权值的有效低频挖掘方法。不仅考虑项的发生频率,而且还考虑项的重要性,首先,高频日志建立初始模型,计算非频繁日志与初始模型间的行为紧密度后与阈值比较,得到低频日志,然后,对低频日志中的活动根据业务流程中的重要性进行权值赋值,通过比较加权增益和最大增益阈值,得到有效低频行为,最后,通过实例验证所提出方法的合理性。(4)针对非频繁日志中有效行为区分的问题,提出了基于列表的增量挖掘方法。首先,对非频繁日志进行模式转化,每个模式依次插入模式表,项权重表,更新表中的值并排列,然后,建立平均加权表,通过平均加权表中的值与最大增益阈值比较,得到对流程模型重要程度低的项,删除包含这些项的非频繁日志,有效的非频繁行为用来优化流程模型,最后,通过了案例验证所提方法是可行的。图[14]表[29]参[100]