计算机应用研究

作者：王丽丽,向小阳,方贤文,

单位：安徽理工大学数学与大数据学院,安徽淮南232001；

关键词：近似一致性度,日志聚类,编辑距离,候选迹,行为子集,

基金：国家自然科学基金资助项目(61572035,61402011)；安徽省高校优秀人才支持计划资助项目(gxyqZD2020020)；安徽省高校领军骨干人才项目(2020-1-12)；安徽省学术和技术带头人资助项目(2019H239)；；

利用行为子集可以求得事件日志与过程模型之间的近似一致性度，但现有方法得到日志候选迹间的行为差异小，影响了行为子集的代表性而导致近似一致性度的准确度偏低。针对该问题，提出一种应用聚类技术预处理事件日志以构造行为子集的近似一致性方法。首先根据迹之间的Levenshtein编辑距离，将事件日志中具有较高行为相似性的迹聚类成若干个子日志；然后遍历各子日志，采用簇内高频和簇中心两种方法选出子日志中的代表迹，形成候选迹集合；进一步利用最优对齐技术构造出模型的行为子集，将其与完整的事件日志进行拟合度计算来得到近似一致性度及其上下界值。最后对现实事件日志进行仿真实验，从准确度和时间效率两方面验证了该方法的优越性。

来源：2022年第6期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第6期