基于异常轨迹的过程发现及其他非常规研究

随着近年来对业务流程理解并形式化为模型的需求增长，过程发现研究领域变得愈发重要，并发展出两类不同的模型表示方式：过程式与声明式。与这一分类正交的是，绝大多数工作将发现任务视为由记录于输入日志中的轨迹引导的单类监督学习过程。本文则聚焦于声明式过程，并采用较不主流的视角，将过程发现视为二分类监督学习任务，其中输入日志既包含正常系统执行的例子，也包含依据领域语义表示“异常”行为的轨迹。我们因而深入探究如何从这两类集合中提取有价值信息，并将其形式化为依据用户定义目标“最优”的模型。我们的方法NegDis与本领域其他相关工作进行了对比评估，在所得解的性能和质量方面均展现出有前景的结果。