为了提高业务操作的效率以适应当前瞬息多变的市场,许多公司需要采取高效且有效的方法对其行为一致性进行分析。由于消费者不同的需求以及当前开放的环境,参考模型的准确获取往往不是轻而易举的事,更多的是以日志形式存在,在这种情况下检测相关性质,具有缺陷。因此,探究如何利用流程挖掘技术快速且精确地度量行为一致性程度具有十分重要的理论意义与实用价值。已有的大多数一致性分析方法都是以参考模型存在且数据不出现变化为前提条件,然后通过运用行为轮廓等度量分析源模型与参考模型的行为偏差。由于当前许多网系统中的业务流程结构庞大且运行时因各种因素的干扰会使得数据出现一定程度的变化,如果继续使用已有技术检测行为是否出现偏差以及寻找行为偏差区域时会自觉地忽视了因数据改变产生的错误信息,这将导致所得结果的准确性降低。基于以上的背景,为提高无参考模型存在且数据出现变化下的业务流程行为一致性分析的效率与精确率,快速寻找出行为偏差区域,并对其进行优化,本文主要从以下方面进行研究:(1)对于挖掘复杂结构且处于开放环境中的业务流程模型问题,已有的研究仅适用于结构相对简单的封闭系统,存在局限性。本文以开放Petri网为前提条件,运用交互行为间的通信行为轮廓构建模型,并将该方法应用到具体的手机充值系统实例中,验证了这种建模方法的可行性。该方法不仅降低了复杂网系统模型建立的时间复杂度,并且有助于进一步检测行为是否出现偏差以及对行为偏差区域修复操作。(2)对于数据变化情况下的行为是否出现偏差的检测问题,现有的技术仅侧重关注控制流角度,很少考虑数据信息的影响,具有一定的不足。本文开发了数据约束模型的相似最优校准一致性分析技术,不仅充分考量了数据信息对其行为是否存在偏差的影响,还弥补了现有方法因仅对数据变化进行静态分析而带来的缺陷,以及克服了仅度量控制流一致性而忽视数据变化传播的影响带来结果准确性降低的不足。(3)对于流程行为偏差区域的修复问题,本文利用行为包含的概念,在获取行为偏差区域之后,搜索出存储库中所有重演日志中变迁活动异常行为且行为包含模型偏差区域行为的所有模型片段,然后运用紧密度得分确定最优匹配片段集,接着将其替换的片段与待补模型连接得到优化后的完整模型,最后通过综合考量源模型与修复后的模型间的结构相似度以及一致性度值确定最优的修复结果,从而实现有效且快速修复行为偏差区域以期更符合实际运行的目的。