随着计算机和网络的发展,企业采用信息系统来代替传统生产管理模式成为新的趋势。这些系统,在为企业提高效率的同时,也产生了大量的日志。日志是记录系统如何运行的产物,能提供一些驱动流程改进的有价值信息。因此,从日志中挖掘这些信息是研究的热点之一。过程挖掘致力于利用企业信息系统产生的日志构建业务的过程模型。过程模型是业务流程的形式化反映,有利于我们直观地了解业务过程。它以数据挖掘和业务过程管理为基础,并将二者结合在一起,形成一门新的学科。过程挖掘的应用场景有过程发现、一致性检测、过程增强。其中,过程发现是过程挖掘研究的基础。过程发现发展至今,仍有很多挑战。挖掘含有并发三角形二度循环结构的过程模型和描述过程模型中活动的间接依赖则是其中两个。本文基于Petri网和关联规则,提出了两种扩展的(Alpha)α算法,分别用于解决上述问题。(1)基于Petri网提出了一种从不完备日志中挖掘多并发三角形二度循环结构的(AlphaMatch)dM算法。该方法可以在不包含连续重复序列的日志中,挖掘出并发的三角形二度循环。该方法采用了分类-匹配的思想。先根据数量关系将构成三角形二度循环的活动分为两类;再根据位置关系,匹配这上述两类活动,并利用足迹矩阵记录匹配后活动之间的关系。通过足迹矩阵,可以构建含有多并发三角形二度循环的过程模型。(2)基于关联规则和Petri网,提出一种挖掘活动间接依赖的(AlphaTR)αTR算法。该方法也由α算法扩展得到。首先,通过数量关系和活动位置关系识别循环结构和选择结构。然后,通过构建二元组的方式挖掘上述结构中活动的关联规则。最后,通过关联规则和Petri网结合的方式,提出一种扩展Petri网模型用于描述活动存在的间接依赖。最后,在ProM平台进行了大量实验和多角度的分析比较,验证了本文给出方法的正确性和有效性。