第1章引言
1.1数据爆炸
1.2建模的局限性
1.3过程挖掘
1.4分析一个示例日志
1.5Play—In、Play—Out与Replay
1.6趋势
1.7展望
第一部分预备知识
第2章过程建模与分析
2.1建模的艺术
2.2过程模型
2.2.1变迁系统
2.2.2Petri网
2.2.3工作流网
2.2.4YAWL
2.2.5BPMN
2.2.6事件驱动过程链
2.2.7因果网
2.3基于模型的过程分析
2.3.1验证
2.3.2性能分析
2.3.3基于模型分析的局限
第3章数据挖掘
3.1数据挖掘技术的分类
3.1.1数据集：实例与变量
3.1.2有监督学习：分类与回归
3.1.3无监督学习：聚类与模式发现
3.2决策树学习
3.3k—means聚类
3.4关联规则学习
3.5序列和情节挖掘
3.5.1序列挖掘
3.5.2情节挖掘
3.5.3其他方法
3.6结果模型的质量
3.6.1衡量分类器的表现
3.6.2交叉验证
3.6.3奥卡姆剃须刀
第二部分从事件日志到过程模型
第4章数据获取
4.1数据源
4.2事件日志
4.3XES
4.4将现实压缩到事件日志中
第5章过程发现基础
5.1问题说明
5.2—个简单的过程发现算法
5.2.1基本思想
5.2.2算法
5.2.3α算法的不足
5.2，4考虑事务生命周期
5.3重新发现过程模型
5.4挑战
5.4.1表示偏好
5.4.2噪声和不完备性
5.4.34个相互竞争的质量标准
5.4.4从三维现实中提取正确的二维切片
第6章高级过程发现技术
6.1概述
6.1.1特征1：表示偏好
6.1.2特征2：处理噪声的能力
6.1.3特征3：完备性假设
6.1.4特征4：使用的方法
6.2启发式挖掘
6.2.1再谈因果网
6.2.2学习依赖图
6.2.3学习分裂与合并
6.3遗传过程挖掘
6.4基于区域的挖掘
6.4.1学习变迁系统
6.4.2使用基于状态的区域的过程发现
6.4.3使用基于语言的区域的过程发现
6.5历史沿革
第三部分过程挖掘拓展
第7章合规性检查
7.1业务对齐和审计
7.2托肯重演
7.3对比足迹
7.4合规性检查的其他应用
7.4.1修复模型
7.4.2评估过程发现算法
7.4.3连接事件日志和过程模型
第8章挖掘其他维度
8.1维度
8.2属性：一种总体透视
8.3组织挖掘
8.3.1社会网分析
8.3.2发现组织结构
8.3.3分析资源行为
8.4时间和概率
8.5决策挖掘
8.6整合所有维度
第9章运作支持
9.1改进的过程挖掘框架
9.1.1制图学
9.1.2审计
9.1.3导航
9.2在线过程挖掘
9.3检测
9.4预测
9.5推荐
9.6过程挖掘谱系
第四部分过程挖掘的应用
第10章工具支持
10.1商务智能
10.2ProM
10.3其他过程挖掘工具
10.4展望
第11章分析“宽面条过程”
11.1“宽面条过程”的特征
11.2用例
11.3方法论
11.3.1阶段0：计划和调整
11.3.2阶段1：抽取
11.3.3阶段2：创建控制流模型并关联事件日志
11.3.4阶段3：创建集成的过程模型
11.3.5阶段4：运作支持
11.4应用
11.4.1每个功能领域的过程挖掘机会
11.4.2每个产业的过程挖掘机会
11.4.3两个“宽面条过程”
第12章分析“意大利面过程”
12.1“意大利面过程”的特点
12.2方法
12.3应用
12.3.1“意大利面过程”的过程挖掘机会
12.3.2“意大利面过程”的例子
第五部分后记
第13章制图与导航
13.1业务过程地图
13.1.1地图质量
13.1.2聚合与抽象
13.1.3无缝缩放
13.1.4尺寸、颜色和布局
13.1.5定制
13.2过程挖掘：业务过程的TomTom
13.2.1将动态信息投射到业务过程地图
13.2.2到达时间预测
13.2.3引导而不是控制
第14章结语
14.1过程挖掘：数据挖掘与业务过程管理之间的桥梁
14.2挑战
14.3今天就开始
参考文献
· · · · · · (收起)