【技术实现步骤摘要】
本专利技术涉及数据挖掘和过程挖掘，更具体的说是涉及一种基于增强alpha算法构建事件过程模型的方法。
技术介绍
1、过程挖掘技术是数据挖掘的一个分支，专注于从事件日志中提取过程知识，是一种从现有事件日志中挖掘知识以发现、监控和改进实际流程的技术。其广泛应用于金融、医疗、物流、erp、crm、零售、工业质检、公共服务等行业领域。alpha算法作为过程挖掘中的一种经典算法，通过分析事件日志中的活动顺序关系，构建出相应的过程模型。然而，传统的alpha算法及其扩展在处理复杂的、含有噪声的日志数据时，面临识别精度不高和适应性不强的挑战。
2、所以提出一种增强alpha算法，增强alpha算法可能涉及增强学习技术的应用。增强学习是一种机器学习方法，通过智能体与环境的交互学习最有可能达到的目标。在构建过程模型的过程中，增强学习可以帮助优化alpha算法的搜索策略，以提高模型的准确性和效率。
3、因此，提出一种基于增强alpha算法构建事件过程模型的方法，来解决现有技术存在的困难，是本领域技术人员亟需解决的问题。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于增强alpha算法构建事件过程模型的方法，通过引入图注意力机制来分析和处理事件日志数据，提高了过程模型的发现精度和鲁棒性。
2、为了实现上述目的，本专利技术提供如下技术方案：
3、一种基于增强alpha算法构建事件过程模型的方法，包括以下步骤：
4、s1、数据获取步骤：获取原
5、s2、图结构训练步骤：在图结构中引入注意力机制，通过注意力机制训练图结构得到图注意力网络并输出；
6、s3、依赖关系识别步骤：基于图注意力网络的输出，识别活动之间的依赖关系；
7、s4、过程模型构建步骤：基于识别出的依赖关系，采用增强alpha算法的规则构建事件过程模型。
8、上述的方法，可选的，s2中包括：
9、对于每一对连接的活动v和u，计算注意力系数evu公式如下：
10、evu＝leakyrelu(at[whv||whu])
11、其中，[·||·]表示向量的拼接操作，leakyrelu是一种激活函数，w是权重矩阵，at是用于计算注意力系数的权重向量，hv为活动v的特征向量，hu为活动u的特征向量。
12、上述的方法，可选的，s2中包括：
13、对每个活动的相邻活动的注意力系数进行归一化，使用softmax函数：
14、
15、其中，nv是活动v的相邻活动集合，evk为是活动v和邻居活动k之间的未归一化注意力系数，其中k是nv中的一个邻居活动。
16、上述的方法，可选的，s2中还包括：利用图注意力网络学习活动之间的依赖关系，具体是通过注意力机制学习和强化关键依赖关系。
17、上述的方法，可选的，s3中识别的活动之间的依赖关系包括直接后继关系、因果关系、并行关系。
18、上述的方法，可选的，s4中采用的增强alpha算法具体为gata算法。
19、上述的方法，可选的，s4中还包括过程模型的优化和验证：
20、模型优化：合并冗余的库所或转移，以简化事件过程模型而不改变其行为；
21、模型验证：验证构建的事件过程模型是否准确反映了事件日志数据中记录的过程，通过模拟petri网并与原始日志进行对比来完成。
22、经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种基于增强alpha算法构建事件过程模型的方法，具有以下有益效果：
23、(1)本专利技术采用的gata算法具有以下优点：通过图注意力机制，算法能够更准确地识别复杂事件日志中的依赖关系，提高过程模型的精度；算法对噪声和异常数据具有更好的容忍度，能够在不降低识别精度的情况下处理复杂日志数据；gata算法适用于各种类型和规模的事件日志，具有很好的通用性和适应性；
24、(2)基于图注意力网络的增强alpha算法为过程挖掘领域提供了一种新的技术解决方案，特别适用于处理复杂和含噪声的事件日志数据；通过引入图注意力机制，该算法不仅提高了过程模型发现的精度和效率，而且增强了对复杂数据的处理能力和鲁棒性；这对于需要从复杂系统日志中提取流程知识的各种应用场景，如金融欺诈检测、生产流程优化、医疗流程分析等，都具有重要的实际意义。
本文档来自技高网...【技术保护点】
1.一种基于增强Alpha算法构建事件过程模型的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于增强Alpha算法构建事件过程模型的方法，其特征在于，S2中包括：
3.根据权利要求2所述的一种基于增强Alpha算法构建事件过程模型的方法，其特征在于，S2中包括：
4.根据权利要求3所述的一种基于增强Alpha算法构建事件过程模型的方法，其特征在于，S2中还包括：利用图注意力网络学习活动之间的依赖关系，具体是通过注意力机制学习和强化关键依赖关系。
5.根据权利要求1所述的一种基于增强Alpha算法构建事件过程模型的方法，其特征在于，S3中识别的活动之间的依赖关系包括直接后继关系、因果关系、并行关系。
6.根据权利要求1所述的一种基于增强Alpha算法构建事件过程模型的方法，其特征在于，S4中采用的增强Alpha算法具体为GATA算法。
7.根据权利要求6所述的一种基于增强Alpha算法构建事件过程模型的方法，其特征在于，S4中还包括过程模型的优化和验证：
【技术特征摘要】
1.一种基于增强alpha算法构建事件过程模型的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于增强alpha算法构建事件过程模型的方法，其特征在于，s2中包括：
3.根据权利要求2所述的一种基于增强alpha算法构建事件过程模型的方法，其特征在于，s2中包括：
4.根据权利要求3所述的一种基于增强alpha算法构建事件过程模型的方法，其特征在于，s2中还包括：利用图注意力网络学习活动之间的依赖关系，具体是通过注意力机制...
【专利技术属性】
技术研发人员：熊晶，李光顺，翟雪，董兆安，王斯峰，周子力，闫超，黄万丽，
申请(专利权)人：曲阜师范大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。