
Behavioral Pattern Mining for Flexible Processes
Fouille de Patterns Comportementaux dans le Contexte de Processus Flexibles
Acheli, Mehdi (2021), Behavioral Pattern Mining for Flexible Processes, doctoral thesis prepared under the supervision of Grigori, Daniela, Université Paris sciences et lettres
Author(s)
Acheli, MehdiUnder the direction of
Grigori, DanielaAbstract (FR)
Les journaux d’évènements stockent la trace de l’exécution des processus. Le Process Mining est la discipline de recherche qui vise à analyser ce genre de données et à construire des modèles d’exécution décrivant le déroulement des processus. Plusieurs algorithmes ont été proposés pour extraire de tels modèles mais ils se heurtent aux cas où le modèle contient trop d’irrégularités parmi les différentes instances d’exécution. Dans cette thèse, nous nous attelons à étudier ces cas où le processus est non structuré et nous nous concentrons sur une méthode particulière d’analyse qui est l’extraction de modèles comportementaux. Nous proposons un nouvel algorithme plus efficace pour ce faire qui garantit certaines propriétés sur les fragments trouvés. Nous proposons également un framework pour analyser et récupérer ces patterns dans une approche orientée données contextuelles alliant corrélation et causalité. Enfin, nous mettons au point un nouvel algorithme de découverte des patterns encore plus rapide avec des résultats visualisables plus concis et plus pertinents.Abstract (EN)
Event logs contain recorded data about business processes execution. Process Mining is the research discipline that analyzes such event logs and aims to discover models describing the unfolding of the process. Many algorithms were proposed but most of them don’t take into account cases of high irregularities between execution instances. In this thesis, we focus on such cases where the processes are unstructured and more exactly on a particular method to get insight from them. Namely, the mining of behavioral patterns. We propose a novel and more efficient algorithm that guarantees certain properties on the extracted patterns. We also propose a framework to analyze and retrieve such patterns in a contextual data-aware fashion manipulating correlation and causation. Lastly, we devise an advanced algorithm for the pattern discovery that is further optimized. It yields more concise and relevant results while offering a visualization interface for easy and interactive analysis.Subjects / Keywords
Journaux d'évènements; Processus flexibles; Patterns comportementaux; Données contextuelles; Corrélation; Causalité; Process Mining; Event logs; Flexible Processes; Behavioral Patterns; Contextual Data; Correlation; CausalityRelated items
Showing items related by title and author.
-
Acheli, Mehdi; Grigori, Daniela; Weidlich, Matthias (2019) Communication / Conférence
-
Acheli, Mehdi; Grigori, Daniela; Weidlich, Matthias (2022) Article accepté pour publication ou publié
-
Delias, Pavlos; Acheli, Mehdi; Grigori, Daniela (2019) Communication / Conférence
-
Al Jlailaty, Diana (2019-11-15) Thèse
-
Sibony, Olivier (2017-12-14) Thèse