تعیین شباهت فرآیندها با استفاده از نگاشت هستان نگار
عنوان لاتین
Process Similarity Assessment Using Ontology Matching
نویسنده
صادقیان اصل، ساره - sadeghiyan asl, sareh
استاد راهنما
کاهانی، محسن
مقطع تحصیلی
کارشناسی ارشد
سال دفاع از پایان نامه
۱۳۹۴
رشته
مهندسی کامپیوتر - نرم افزار
توصیفگر
نگاشت هستان
توصیفگر
شباهتها
توصیفگر
فرآیندها
توصیفگر
فرآیندکاوی
توصیفگر
گراف ها (ریاضی)
چکیده فارسی
فرآیندکاوی یک زمینه تحقیقاتی نسبتاَ جدید است که بین هوش محاسباتی و داده کاوی در یک سو و مدل سازی فرآیند و تحلیل آن در سوی دیگر قرار دارد. در واقع به تکنیک های استخراج اطلاعات ارزشمند فرآیندها از فایل وقایع کاوش فرآیند گفته می شود. فایل وقایع فایلی است که در آن رویدادهایی که در قالب فرآیند رخ داده اند ثبت خواهند گشت. یکی از حوزه های محبوب فرآیندکاوی تعیین شباهت فرآیندها می باشد. مقایسه فرآیندهای استخراج شده از فایل وقایع و فرآیندهای موجود در مستندات سازمان و ادغام فرآیندها از دلایل اهمیت این حوزه به شمار می آیند.
بیشتر پژوهش های انجام گرفته در این حوزه فرض می کنند مدل فرآیندی از فایل وقایع استخراج شده و روش هایی مبتنی بر مدل ارائه نموده اند. اگر چه پیشرفت های خوبی در این روش ها مشاهده شده و حتی برخی از آنها شباهت معنایی را محاسبه می کنند اما چالش اصلی آنها این است که رویدادهای واقعی اجرا شده در فایل وقایع را نادیده می گیرند. این درحالی است که مدل فرآیندها در بسیاری از موراد روال واقعی اجرا شده را نشان نمی دهند. از سوی دیگر روش هایی وجود دارند که شباهت را با استفاده از فایل وقایع محاسبه می کنند اما هیچ کدام از آنها معنا را در نظر نمی گیرند. به نظر می رسد افزودن معنا به این گونه روش ها منجر به کارایی و دقت بیشتر نتایج گردد. ایده پیشنهادی بدین صورت است که ابتدا با استفاده از فایل وقایع برای هر یک از دو فرآیند مورد مقایسه یک هستان نگار ایجاد گشته و سپس با استفاده از نگاشت هستان نگار ها شباهت فرآیندهای متناظر با آنها را محاسبه نماییم.
روش پیشنهادی بر روی فایل وقایع بیمارستان آکادمیک هلند پیاده سازی شده و مورد ارزیابی قرار گرفت. این روش توانست صحت 78% و کمال 92% را برای خود به ثبت برساند. با این نتایج روش پیشنهادی نسبت به روش های شباهت نحوی و شباهت بین هستان نگارهای معنایی بهبود مناسبی در معیارهای مذکور داشته است.
چکیده لاتین
Process mining is a relatively young research discipline that sits between computational intelligence and data mining on the one hand, and process modeling and analysis on the other hand. Actually, the main idea of process mining is to extract knowledge from event logs readily available in today’s information systems. The event log is a file in which events occurring within a process are recorded. One of the popular fields of process mining is process similarity. Conformance checking between extracted process from event log and documented process in organizations, and process merging are some of the applications of this field.
Most of the publications in the area of process similarity assume that a process model is extracted from event log and present a model-based approach. Although these approaches have significant improvement and even some of them consider semantics in computation, but their main challenge is the ignorance of the really executed events exist in event logs. On the other hand there are some approaches in which process similarity is computed using event traces in event logs, but none of them consider events semantic. It seems that adding semantics to such approaches leads to better precision and performance. This thesis proposes a method for process similarity assessment. According to this method we first extract ontology from event log and then we use an ontology instance mapping approach to assess the similarity of tow ontologies.
The proposed approach is implemented on the Dutch academic hospital event log. The evaluation results in 78% for the correctness and 92% for the completeness measure of this method. It is proved that, the method improved these measures in comparison with other lexical and semantic methods.