سیدمحمد رضوی - دکتری کامپیوتر، دانشکده مهندسی، دانشگاه فردوسی مشهد
محسن کاهانی - استاد، دانشکده مهندسی، دانشگاه فردوسی مشهد

امروزه حجم داده بسیار زیادی شامل نگاره ها ۱ توسط سازمانها و شرکتها جمع آوری و ذخیره میشود. استخراج مدل فرآیند۲ از نگاره ها هدف اصلی الگوریتمهای کشف فرآیند۳ است. تاکنون تکنیک های زیادی برای کشف فرآیند ارائه شده است، اما هیچ کدام مقیاس پذیر۴ و مبتنی بر معماری نگاشت-درهم سازی-کاهش۵ نیستند که بتوان ند چند صد میلیون رویداد ۶ یا فعالیت۷ را پردازش کنند. در این مقاله، یک روش مقیاس پذیر برای کشففرآیندهای با کیفیت بالا در نگاره های سازمانی با حجم بالا مبتنی بر معماری نگاشت-درهمسازی-کاهش ارائه شده است. نتایج به دست آمده نشان میدهد که روش پیشنهادی در دو نگاره رویداد۸ با تعداد ۳۰ میلیون و ۱۰۰میلیون رکورد، دارای کارایی بسیار بهتری نسبت به ابزارهای موجود مانند دیسکو۹ و مینیت۱۰ میباشد.

داده های حجیم، فرآیند کاوی، نگاشت-کاهش