随着信息化、智能化社会的高速发展中,业务流程管理的作用越来越突出,一个性能优越的业务流程模型可显著提高公司系统的工作效率,增加其核心竞争力。而流程挖掘作为业务流程管理中的一种主要的技术手段,其中包括流程的设计与实施、模型的建立与优化,如何高效的利用流程挖掘技术进行日志数据建模和配置优化具有重大的研究意义。在实际挖掘流程模型的过程中,事件日志与挖掘到的模型存在一定的偏差或异常,过程挖掘技术需要对可执行的业务流程规范化。现有的技术在模型和调整增加配置元素方法上存在一定的缺点。因此,本文提出了一种识别流程模型中可配置元素并在工作流模型中添加配置变迁的方法。可配置元素是可以修改的工作流模型的变迁,这样模型所表示的行为就会受到限制。一个可配置的元素可以设置为允许、阻塞或隐藏。针对隐变迁挖掘,我们的方法是通过序列编码图,日志自动机、块结构化Petri网和二叉搜索树等知识来识别隐变迁,挖掘到带配置元素的理想模型。主要贡献如下:1.提出了一种基于业务流程事件日志挖掘业务流程模型的算法。通过分析日志序列的行为轮廓关系发现所挖掘出模型的优化问题,同时从通过寻找变化域和功能块的角度配置变迁优化模型,并结合高校图书馆中的图书借阅系统对此方法进行验证。2.提出了基于Petri网块结构的流程模型隐变迁挖掘算法。针对给定的完备日志集,在进行过程挖掘之前,对事件日志进行预处理,作出事件日志的序列编码图,并区分其频繁序列与非频繁序列,对频繁序列利用α+算法挖掘出初始模型,其次利用行为轮廓块结构对初始模型进行层次分解得到块结构化的工作流网。通过非平凡子序列与分解的模型块结构的匹配,识别子块结构中可能存在的疑似隐变迁。最后从拟合度和精确度两个评价指标甄别疑似隐变迁,过滤掉异常的变迁,从而挖掘出带有配置信息的目标模型。通过一个具体的例子,证明了该方法的可行性。3.提出了基于二叉搜索树的过程模型隐变迁挖掘算法。在日志集完备的情况下,通过二叉搜索树的深度优先搜索（DFS）来挖掘日志中的隐变迁。首先日志集进行初步清洗后,依次做出日志的活动关系表和日志自动机,并用弧的相对频度区分频繁日志和低频日志,对更新后的日志自动机进行Split切割操作,挖掘到块结构化的工作流网,其次在初始模型中重放低频迹,计算基于不同的成本函数的最小编辑距离,分析并提取有效子片段,在二叉搜索树上深度优先检索该有效子片段,定位变化范围,配置隐变迁得到目标模型,通过一致性评价指标对模型进行评价,最终得到更完善、更理想的目标模型。并结合流程实例验证了该方法的可行性。图[18]表[7]参[85]