基于RankClus算法的机场流程日志活动挖掘

流程挖掘技术可以提取机场流程日志中的有用信息用于流程分析。但机场流程日志处于细节化的低抽象层次,不符合分析者的预期。对机场流程日志挖掘得到的流程模型呈现意面状的复杂结构,流程模型的含义难于理解。解决该问题的一种方法是通过活动挖掘,将低抽象层次活动聚类为流程模型中表征高抽象层次活动的活动类簇。为此提出了一种基于Rank Clus算法的活动挖掘方法,将机场流程日志的活动聚类与活动排序评分计算相结合,从而构建更易理解的活动聚类流程模型。实验结果表明,Rank Clus活动聚类流程模型的日志回放一致性与原生日志流程模型大致相当,但在结构复杂度上要显著低于原生日志流程模型。

基于Spark GraphX的异构网络社区检测

大多数社区检测任务仅适用于小型数据集,未能考虑大数据的快速并行处理。文中提出并改进了一种基于Spark GraphX的异构网络社区检测方法,解决了大型网络数据的并行性问题。其次,改进和优化了用于异构网络中社区检测的RankClus算法,将改进后的基于Spark GraphX的算法进行并行优化。最后给出了并行算法的实验结果,比较了不同的实验结果,证明了该方法的有效性和适用性。