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

Lelli, Leonardo (2022) Un algoritmo per l'apprendimento di modelli dichiarativi di processo con vincoli sui dati. [Laurea magistrale], Università di Bologna, Corso di Studio in Ingegneria informatica [LM-DM270], Documento full-text non disponibile
Il full-text non è disponibile per scelta dell'autore. (Contatta l'autore)

Abstract

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.

Abstract
Tipologia del documento
Tesi di laurea (Laurea magistrale)
Autore della tesi
Lelli, Leonardo
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
process mining,process discovery dichiarativo,declare,data-aware process discovery,algoritmo di Mooney
Data di discussione della Tesi
4 Febbraio 2022
URI

Altri metadati

Gestione del documento: Visualizza il documento

^