Un algoritmo per l'apprendimento di modelli dichiarativi di processo con vincoli sui dati

Il process mining è un insieme di tecniche utili per analizzare i log di eventi generati dai processi di business. Esistono due possibilità per descrivere tali processi: in maniera imperativa o in maniera dichiarativa. La modellazione imperativa descrive rigidamente cosa può accadere o meno in un processo, ad esempio tramite BPMN (Business Process Model and Notation). La modellazione dichiarativa, invece, è più lasca e descrive i processi tramite vincoli. In quest’ultima è permesso tutto ciò che non è esplicitamente vietato dai vincoli. Gli sforzi degli ultimi anni in questo campo mirano alla scoperta di vincoli che tengano in considerazione anche la dimensione dei dati. L’obiettivo di questa tesi è quindi quello di studiare e proporre un algoritmo per imparare vincoli dichiarativi con condizioni sui dati associati agli eventi presenti nei log; in particolare, per fare ciò, verrà sfruttato l’algoritmo di Mooney.