Nhận viết luận văn đại học, thạc sĩ trọn gói, chất lượng, LH ZALO=>0909232620 Tham khảo dịch vụ, bảng giá tại: https://vietbaitotnghiep.com/dich-vu-viet-thue-luan-van Download luận văn tóm tắt ngành công nghệ thông tin với đề tài: Tìm hiểu một số giải thuật tìm kiếm cộng đồng trong mạng xã hội và áp dụng vào bài toán khai phá quy trình

1. ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƢỜNG ĐẠI HỌC CÔNG NGHỆ
NGUYỄN THỊ HỒNG HẠNH
TÌM HIỂU MỘT SỐ GIẢI THUẬT TÌM KIẾM CỘNG
ĐỒNG TRONG MẠNG XÃ HỘI VÀ ÁP DỤNG VÀO
BÀI TOÁN KHAI PHÁ QUY TRÌNH
Ngành: Công nghệ thông tin
Chuyên ngành: Hệ thống thông tin
Mã số: 60.48.01.04
TÓM TẮT LUẬN VĂN THẠC SỸ CÔNG NGHỆ THÔNG TIN
Hà Nội - 2016

2. i
MỤC LỤC
DANH MỤC KÝ HIỆU VÀ TỪ VIẾT TẮT.....................iii
DANH MỤC CÁC BẢNG.................................................iv
MỞ ĐẦU............................................................................5
CHƢƠNG 1.TỔNG QUAN VỀ KHAI PHÁ QUY
TRÌNH................................................................................8
1.1 Khai phá quy trình..................................................8
1.1.1 Sự cần thiết của KPQT............................................8
1.1.2 Mục tiêu của KPQT.................................................8
1.1.3 Mô hình quy trình và nhật ký sự kiện .....................8
1.1.4 Các bài toán KPQT .................................................8
1.1.5 Các khía cạnh của KPQT ........................................8
1.1.6 Các ứng dụng của KPQT: .......................................9
1.1.7 Một số thách thức đối với lĩnh vực KPQT..............9
1.2 Khía cạnh tổ chức trong KPQT..............................9
1.3 Bài toán toán khai phá khía cạnh tổ chức...............9
1.4 Ý nghĩa của luận văn............................................10
1.4.1 Về mặt khoa học....................................................10
1.4.2 Về mặt thực tiễn....................................................10
CHƢƠNG 2. CÁC GIẢI THUẬT TÌM KIẾM CỘNG
TRONG MXH....................................................................11
2.1 Cộng đồng mạng xã hội .......................................11
2.1.1 Nguyên nhân hình thành cộng đồng MXH ...........11
2.1.2 Các loại cộng đồng trong MXH ............................11
2.1.3 Các loại cấu trúc cộng đồng ..................................11

3. ii
2.2 Các phƣơng pháp phát hiện cộng đồng................11
2.2.1 Ứng dụng...............................................................11
2.2.2 Các loại giải thuật..................................................12
2.3 Các giải thuật tìm kiếm cộng đồng chồng chéo ..........12
2.4 Lựa chọn giải thuật tìm kiếm trong luận văn .......12
CHƢƠNG 3. ÁP DỤNG GIẢI THUẬT TÌM KIẾM
CỘNG ĐỒNG CHỒNG CHÉO VÀO BÀI TOÁN KPQT 14
3.1. Phƣơng pháp nghiên cứu.....................................14
3.1.1 Tính hiệu quả của đề xuất .....................................14
3.1.2 Định dạng dữ liệu đầu vào các độ đo:...................14
3.2 Giải pháp thực hiện .............................................14
3.2.1 Đề xuất mô hình giải quyết ...................................14
3.2.2 Các bƣớc thực hiện................................................15
CHƢƠNG 4. KẾT QUẢ THỰC NGHIỆM, ĐÁNH
GIÁ VÀ KẾT LUẬN.................................................17
4.1 Công cụ, môi trƣờng thực nghiệm .......................17
4.1.2 Phần mềm và tập dữ liệu đầu vào..........................17
4.2 Chƣơng trình thực nghiệm ...................................17
4.3 Kết quả thực nghiệm và đánh giá.........................17
KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN TƢƠNG LAI...21
TÀI LIỆU THAM KHẢO..................................................22

4. iii
DANH MỤC KÝ HIỆU VÀ TỪ VIẾT TẮT
Chữ viết tắt Ý nghĩa
1. Tiếng việt
CNTT Công nghệ thông tin
CSDL Cơ sở dữ liệu
HTTT Mô hình quy trình
KCTC Khía cạnh tổ chức
KPQT Khai phá quy trình
MHQT Mô hình quy trình
MXH Mạng xã hội
2. Tiếng anh
B2B Busines-to-Business
BPNN Back-propagation neural network
CRM Customer Relationship Management
EPC Event-driven Process Chain
ERP
Systems for Enterprise Resource
Planning
NMI Normalized mutual information
SCM Supply Chain Management
UPGMA
Unweighter Pair-Group Method using
Arithmetic averages
WFM Workflow Management
XES eXtensible Event Stream
XML EXtensible Markup Language

5. iv
DANH MỤC CÁC BẢNG
Bảng 2.1 Sự mâu thuẫn của hai cấu trúc giữa chồng chéo
và phân cấp.....................................................................11
Bảng 4.3 Đánh giá kết quả chƣơng trình thực nghiệm...17
Bảng 4.4 Đánh giá chất lƣợng các cộng đồng................20
DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ
Hình 3.2 Mô hình áp dụng giải tìm kiếm cộng đồng vào
KPQT .............................................................................14
Hình 3.5 Định dạng dữ liệu .txt lƣu đồ thị .....................15

6. 5
MỞ ĐẦU
Trong môi trƣờng cạnh tranh hiện nay, yếu tố cốt
lõi của các tổ chức, doanh nghiệp là truy cập thông tin,
nghiệp vụ một cách nhanh chóng, hiệu quả và đạt chi phí
tối ƣu. Kinh doanh thông minh là một tập các quy trình
để thu thập, truy cập và phân tích thông tin kinh doanh,
giúp nâng cao khả năng ra quyết định kinh doanh của các
nhà quản lý. Với sự gia tăng các hệ thống tích hợp thông
tin từ quá trình kinh doanh nhƣ WFM, ERP, CRM, SCM
và B2B, … đã tạo ra cách thức tiếp cận mới trong việc
phân tích dữ liệu lớn. Khai phá quy trình (KPQT) kinh
doanh hay KPQT là cầu nối quan trọng giữa khai phá dữ
liệu với quản lý quá trình kinh doanh [12]. Các kỹ thuật
này giúp trích lọc các thông tin có giá trị hay các thông
tin mà các doanh nghiệp cần từ tập nhật ký sự kiện đƣợc
lƣu trong các hệ thống tích hợp thông tin, giúp bổ sung
vào các tiếp cận hiện có để quản lý quá trình kinh doanh.
Bài toán KPQT gồm ba bài toán nhằm cải thiện quy trình
kinh doanh và ba khía cạnh bao gồm các kỹ thuật khai
phá quan trọng [1].
Khía cạnh tổ chức bao gồm nhiều kỹ thuật có giá
trị nhƣ khai phá tổ chức, khai phá mạng xã hội, khai phá
luật phân phối nguồn tài nguyên, …[8]. Trong đó, khai
phá mạng xã hội là một trong những kỹ thuật đƣợc sử
dụng rộng rãi, cho phép phát hiện ra mạng xã hội (MXH)
giữa những phòng, đơn vị, cá nhân tham gia vào quy
trình kinh doanh từ nhật ký sự kiện. Việc phân tích và
đánh giá những mối quan hệ này giúp nhà quản lý có cái
nhìn chính xác về các quy trình trong doanh nghiệp của
họ. Trong mô hình MXH, phòng, đơn vị hay con ngƣời
sẽ đƣợc biểu diễn dƣới dạng các đỉnh, mối quan hệ giữa
các đỉnh đƣợc biểu diễn dƣới dạng cạnh. Vấn đề chồng

7. 6
chéo nhiệm vụ giữa những ngƣời tham gia vào quy trình
là một thách thức mang tính thời sự đối với các doanh
nghiệp. Hậu quả của vấn đề này mang lại thiệt hại về
kinh tế lớn và quy trình kinh doanh hoạt động kém thông
suốt. Với một doanh nghiệp quy mô lớn, mô hình MXH
sẽ kích thƣớc lớn bao gồm nhiều đỉnh và mật độ kết nối
giữa các đỉnh dày đặc. Để tìm ra đƣợc những ngƣời có sự
chồng chéo về nhiệm vụ trong MXH có kích thƣớc lớn
vẫn là một bài toán khó, đã và đang đƣợc khoa học quan
tâm, nghiên cứu.
Để giải quyết những thách thức trên, tác giả đề
xuất phƣơng pháp áp dụng giải thuật tìm kiếm cộng đồng
vào bài toán khái phá quy trình. Ý tƣởng của đề xuất là
sử dụng các kỹ thuật của KCTC để phát hiện mô hình
MXH từ tập nhật ký sự kiện. Sau đó, sử dụng giải thuật
tìm kiếm cộng đồng chồng chéo để tìm ra các cộng đồng
có cấu trúc chồng chéo. Hiệu quả của đề xuất này là giúp
đơn giản hóa cấu trúc mạng tức là chia một mạng có kích
thƣớc lớn thành các mạng có kích thƣớc nhỏ và sự kết
nối chặt chẽ hơn [7]. Do mục tiêu của luận văn tìm ra các
cộng đồng chồng chéo nên Tác giả chỉ tập trung vào các
giải thuật tìm kiếm cộng đồng chồng chéo, là loại cấu
trúc cộng đồng phổ biến trong thực tế.
Bố cục của luận văn bao gồm phần mở đầu, bốn
chƣơng nội dung, phần kết luận và phƣơng phát triển
tƣơng lai, danh mục tài liệu tham khảo.
Chương 1. Tổng quan về KPQT: Giới thiệu tổng
quan về KPQT, trong đó trình bày chi tiết các vấn đề liên
quan đến khía cạnh tổ chức và phân tích phƣơng pháp
phát hiện MXH từ nhật ký sự kiện. Phần chính của
Chƣơng này là phát biểu bài toán cần xử lý và đƣa ra

8. 7
phƣơng pháp giải quyết. Từ đó, có những nhận định về ý
nghĩa thực tiễn, ý nghĩa khoa học của luận văn.
Chương 2. Các giải thuật tìm kiếm cộng đồng
trong MXH: Giới thiệu các loại giải thuật tìm kiếm và
đặc biệt là các giải thuật tìm kiếm cộng đồng chồng chéo.
Sau đó, Tác giả sẽ lựa chọn giải thuật tìm kiếm cộng
đồng chồng chéo sẽ áp dụng vào bài toán KPQT. Phân
tích chi tiết giải thuật Phân vùng theo cạnh của nhóm tác
giả Ahn et al. đƣa ra vào năm 2010 [4].
Chương 3. Áp dụng các giải thuật tìm kiếm
cộng đồng vào bài toán KPQT: Đề xuất mô hình giải
quyết bài toán và đƣa ra định dạng dữ liệu đầu vào các độ
đo đƣợc sử dụng trong mô hình. Phân tích chi tiết các
bƣớc thực hiện trong mô hình. Kết quả của quá trình này
tìm ra các cộng đồng cạnh có cấu trúc phân cấp, tƣơng
ứng là cộng đồng đỉnh có cấu trúc chồng chéo.
Chương 4. Kết quả thực nghiệm và đánh giá:
Đƣa ra các yêu cầu về dữ liệu, phần cứng, phần mềm và
mã nguồn cần thiết để xây dựng chƣơng trình thực
nghiệm theo mô hình đề xuất. Dựa trên bảng số liệu thu
đƣợc sau khi chạy chƣơng trình với các tệp dữ liệu dùng
làm mẫu thử nghiệm, tác giả sẽ sử dụng các tiêu chuẩn và
độ đo để phân tích chi tiết các thông số trong bảng. Từ
đó, đánh giá các kết quả thu đƣợc dựa vào sự phân tích
này.

9. 8
CHƢƠNG 1.TỔNG QUAN VỀ KHAI PHÁ QUY
TRÌNH
1.1 Khai phá quy trình
KPQT giúp trích lọc và phân tích dữ liệu để tìm
ra mối liên quan giữa những đối tƣợng dữ liệu. KPQT là
lĩnh vực “một mặt nằm giữa thông minh điện toán và
khai phá dữ liệu, mặt khác nằm giữa mô hình và phân
tích quy trình”.
1.1.1 Sự cần thiết của KPQT:
- Trực quan hóa quy trình kinh doanh .
- Hỗ trợ ra quyết định.
- Tạo ra sự khách quan, giảm thiểu rủi ro.
1.1.2 Mục tiêu của KPQT: là phát hiện, phân
tích và hiểu các quy trình kinh doanh dựa trên các bản
ghi các hoạt động tại thời một thời điểm xác định, thông
tin này đƣợc lƣu trong các tập nhật ký sự kiện
1.1.3 Mô hình quy trình và nhật ký sự kiện:
a) Mô hình quy trình (MHQT): Một MHQT là sự
biểu diễn hình học của một quy trình kinh doanh, mô tả
sự ràng buộc giữa các công việc cần đƣợc thực hiện trong
những kế hoạch kinh doanh cụ thể.
b) Nhật ký sự kiện: Là nguồn thông tin đƣợc lấy
từ nhiều nguồn khác nhau nhƣ phỏng vấn, khảo sát, giám
sát công việc, ….sẽ đƣợc lƣu trong các HTTT.
1.1.4 Các bài toán KPQT:
- Phát hiện quy trình.
- Kiểm tra sự thống nhất.
- Tăng cƣờng mô hình.
1.1.5 Các khía cạnh của KPQT
- Khía cạnh tổ chức.
- Khía cạnh trƣờng hợp.
- Khía cạnh thời gian.

10. 9
1.1.6 Các ứng dụng của KPQT:
Một số ứng dụng nhƣ EmiT, ARIS PPM
(Process Performance Manager), PISA, …
1.1.7 Một số thách thức đối với lĩnh vực KPQT
- Mục đích sử dụng rõ ràng.
- Các bản ghi sự kiện bị lỗi và thiếu.
- Chất lƣợng nhật ký sự kiện không đảm bảo.
- Mô hình quy trình phức tạp.
- Các loại hình quy trình.
1.2 Khía cạnh tổ chức trong KPQT
Khía cạnh tổ chức tập trung vào các nguồn tài
nguyên, nhƣ những ngƣời thực hiện có liên quan đến mô
hình quy trình và tại sao họ lại liên quan.
- Phân tích MXH (SNA): bao gồm tập các
phƣơng pháp, kỹ thuật, công cụ nhằm phân tích các
MXH. Để phát hiện ra MXH, sử dụng các loại độ đo bao
gồm: Handover of work, working together, …
Độ đo Handover of work tính số lần chuyển giao
nhiệm vụ giữa ngƣời i sang ngƣời j.
1.3 Bài toán toán khai phá khía cạnh tổ chức
Đầu vào: Tập dữ liệu sự kiện định dạng XES.
Đầu ra: Các cộng đồng chồng chồng chéo.
Tổng quát các bƣớc giải quyết:
(1) Tiền xử lý dữ liệu: Loại bỏ các thông tin bị
lỗi, nhiễu, những thông tin không có giá trị khai phá,
chuyển về định dạng chuẩn XES 1.0.
(2) Xây dựng MXH: Sử dụng các độ đo để xây
dựng MXH từ tập nhật ký sự kiện.
(3) Phân tích MXH: Sử dụng chiến lƣợc “Chia
để trị”, hay áp dụng giải thuật tìm kiếm cộng đồng để tìm
ra các cộng đồng chồng chéo trong MXH.
(4) Từ kết quả thu đƣợc trong bƣớc 3, tìm ra
cộng đồng ngƣời có cấu trúc chồng chéo.

11. 10
1.4 Ý nghĩa của luận văn:
1.4.1 Về mặt khoa học:
Luận văn đã tổng quát hóa các phƣơng pháp
khoa học để giải quyết những thách thức trong bài toán
KCTC. Trong luận văn,
Tác giả tập trung đƣa ra các cơ sở khoa học, định
hƣớng nghiên cứu để tìm ra sự chồng chéo trong cấu trúc
tổ chức từ tập dữ liệu sự kiện, từ đó đề xuất hƣớng giải
quyết bài toán.
Từ các kết quả nghiên cứu, luận văn đã góp phần
làm cơ sở thực tiễn cho các nghiên cứu khoa học sau này.
1.4.2 Về mặt thực tiễn:
Những thách thức trong thực tế của doanh nghiệp
là động lực Tác giả thực hiện nghiên cứu này và định
hƣớng tìm phƣơng pháp giải quyết.
Nền tảng của phƣơng pháp giải quyết dựa trên
nền tảng khoa học, do đó các nhà quản lý, ngƣời nghiên
cứu có thể tin tƣởng, nghiên cứu và phát triển mô hình
giải quyết đƣợc đề xuất trong luận văn.
Do vấn đề đƣợc đặt ra trong luận văn có tính thời
sự, các kết quả nghiên cứu có thể đƣợc áp dụng vào thực
tiễn hiện thời, không bị lạc hậu và có thể đánh giá đƣợc
hiệu quả của đề xuất.

12. 11
CHƢƠNG 2. CÁC GIẢI THUẬT TÌM KIẾM CỘNG
TRONG MXH
2.1 Cộng đồng mạng xã hội:
2.1.1 Nguyên nhân hình thành cộng đồng
MXH:
- Cùng chung đặc điểm.
- Mục đích hoạt động giống nhau.
- Cùng mục tiêu về một vấn đề nào đó.
- Cùng sở thích và thói quen.
2.1.2 Các loại cộng đồng trong MXH [16]:
- Cộng đồng tường minh: Đƣợc hình do những
đặc trƣng chung của nhóm đã đƣợc thiết lập.
- Cộng đồng không tường minh: Đƣợc hình thành
do sự tƣơng tác giữa những ngƣời trong cộng đồng,
không thấy rõ bằng mắt thƣờng.
2.1.3 Các loại cấu trúc cộng đồng:
TT Sự mâu thuẫn
Loại cấu trúc
Chồng chéo Không chồng chéo
1 Đặc điểm
Một số đỉnh trong
mạng có thể thuộc
nhiều hơn 1 cộng
đồng
Mỗi đỉnh chỉ thuộc 1
cộng đồng duy nhất
2
Sự xuất hiện
trong thực tế
Nhiều Ít
3
Giải thuật tìm
kiếm
Phát hiện ra các cộng
đồng chồng chéo các
đỉnh
Phát hiện ra các cộng
đồng phân cấp các
đỉnh
Bảng 2.1 Sự mâu thuẫn của hai cấu trúc giữa chồng chéo
và phân cấp
2.2 Các phƣơng pháp phát hiện cộng đồng
2.2.1 Ứng dụng: Nghiên cứu sự lây lan dịch
bệnh và cách phòng chống, nhu cầu của khách hàng, quá
trình trao đổi chất của tế bào, Trực quan hóa một mạng
phức tạp.

13. 12
2.2.2 Các loại giải thuật: Cho đồ thị G(E,V) với
V là số đỉnh, E là số cạnh của đồ thị.
a) Phân vùng đồ thị (Graph Partitioning).
b) Phân cụm thứ bậc (Hierarchical).
c) Tối ƣu hóa độ đo Modularity (Modularity
Optimization).
d) Phân cụm dựa trên quang phổ (Spectral
clustering).
2.3 Các giải thuật tìm kiếm cộng đồng chồng chéo
- Giải thuật tìm kiếm đồ thị clique (Clique
Percolation Method - CPM).
- Giải thuật phân vùng đồ thị dựa trên thông tin
của cạnh (Link based algorithms).
- Phân cụm mờ (Fuzzy).
- Tối ƣu hóa và mở rộng hàm địa phƣơng (Local
Exapansion and Optimization).
- Giải thuật tìm kiếm cộng đồng dựa trên các tác
tử và miền động (Agent and Dynamic based Algorithm).
2.4 Lựa chọn giải thuật tìm kiếm trong luận văn
* Các bước thực hiện: Xét đồ thị G 𝑀, 𝑁 vô hƣớng,
không trọng số. Trong đó: 𝑀 là tổng số cạnh, 𝑁 là tổng
số đỉnh của đồ thị.
Ký hiệu: Đỉnh i, j ∈ đồ thị G; 𝑒𝑖𝑘 cạnh nối giữa đỉnh i và
k;
𝑒𝑗𝑙 cạnh nối giữa đỉnh j và l
Bước 1: Tính độ tƣơng tự giữa các cạnh:
𝑛+ 𝑖 = 𝑖, 𝑘 𝑣à 𝑡ậ𝑝 đỉ𝑛ℎ 𝑘ề 𝑣ớ𝑖 𝑖 ;
𝑛+ 𝑗 = 𝑗, 𝑙 𝑣à 𝑡ậ𝑝 đỉ𝑛ℎ 𝑘ề 𝑣ớ𝑖 𝑗 ;
Độ tƣơng tự giữa cạnh 𝑒𝑖𝑘 và 𝑒𝑗𝑙 là:
S(𝑒𝑖𝑘 , 𝑒𝑗𝑙 )=
|𝑛+ 𝑖 ∩𝑛+ 𝑗 |
|𝑛+ 𝑖 ∪𝑛+ 𝑗 |
0
,𝑘=𝑙
,𝑘≠𝑙

14. 13
Bước 2: Xây dựng ma trận độ tƣơng tự: Gọi 𝑀𝑠
là ma trận độ tƣơng tự, có kích thƣớc 𝑀 × 𝑀
Mỗi phần tử của ma tận 𝑀𝑠 sẽ đƣợc tính:
𝑀𝑠 (𝑒𝑖𝑘 , 𝑒𝑗𝑙 )=
𝑆(𝑒𝑖𝑘 , 𝑒𝑗𝑙 )
0
𝑘=𝑙
𝑘≠𝑙
Bước 3: Thực hiện gom cụm đối với các cạnh:
Sử dụng kỹ thuật gom cụm từ dƣới – lên (bottom-up) và
phƣơng thức kết nối đơn để kết nối các cụm.
Bước 4: Tìm ngƣỡng cắt cây lƣợc đồ:
Cho trƣớc một ngƣỡng cắt cây lƣợc đồ, Gọi C
tập các phân vùng cạnh đƣợc tạo ra từ lát cắt cây lƣợc đồ.
Kí hiệu: C={𝐶1, 𝐶2, …, 𝐶𝑙, …, 𝐶𝑙}, l ∈ 1, 𝑘 ; 𝑚𝑙
= 𝐶𝑙 là số tổng lƣợng cạnh trong tập con 𝐶𝑙 ; 𝑛𝑙 =
|∪ 𝑒 𝑖𝑗 𝜖𝐶𝑙
{𝑖, 𝑗}| là số lƣợng đỉnh đƣợc kết nối bởi các cạnh
∈ Cl.
𝐷𝑙=
𝑚 𝑙−(𝑛 𝑙−1)
𝑛 𝑙 𝑛 𝑙−1
2
–(𝑛 𝑙−1)
𝑛ế𝑢 𝑛𝑙 > 2
0 𝑛ế𝑢 𝑛𝑙 <= 2
Giá trị mật độ phân vùng D là giá trị trung bình
của 𝐷𝑙. Ngƣỡng cắt cây lƣợc đồ đƣợc tính:
D =
2
|𝑀|
𝑚𝑙
𝑚 𝑙−(𝑛 𝑙−1)
(𝑛 𝑙−1)(𝑛 𝑙−2)
𝑘
𝑙=1
Ngƣỡng cắt tốt nhất là ngƣỡng cắt mà giá trị mật
độ phân vùng trung bình D đạt cực đại.
* Ưu, nhược điểm của giải thuật:
- Ưu điểm: tìm ra các cộng đồng chồng chéo.
- Nhược điểm: gây phân tách cộng đồng, kết quả
chƣa đảm bảo độ chính xác.

15. 14
CHƢƠNG 3. ÁP DỤNG GIẢI THUẬT TÌM KIẾM
CỘNG ĐỒNG CHỒNG CHÉO VÀO BÀI TOÁN
KPQT
3.1. Phƣơng pháp nghiên cứu
3.1.1 Tính hiệu quả của đề xuất: Giải quyết vấn
đề kích thƣớc dữ liệu lớn; Đƣa ra kết quả có độ tin cậy
cao; Trích lọc thông tin có giá trị.
3.1.2 Định dạng dữ liệu đầu vào các độ đo:
Nhật ký sự kiện định dạng XES, độ đo Handover of
work, giải thuật phân vùng theo cạnh của Ahn et al., 2010
3.2 Giải pháp thực hiện
3.2.1 Đề xuất mô hình giải quyết:
Hình 3.2 Mô hình áp dụng giải tìm kiếm cộng đồng vào KPQT

16. 15
3.2.2 Các bước thực hiện:
Bƣớc 1. Thu thập dữ liệu:
+ 03 tệp định dạng XES tƣơng ứng với 03
chƣơng của cuốn sách Process Mining của tác giả Will
M.P. Van der Alast trên http://www.processmining.org.
+ 01 tệp định dạng XES trên trang
http://data.4tu.nl.
Bƣớc 2. Xử lý và làm sạch dữ liệu:
Trong giới hạn luận văn, những thông tin không
chứa thông tin ngƣời thực hiện hoạt động nên sẽ không
đƣợc sử dụng để khai thác. Do đó, Tác giả đã loại bỏ loại
thông tin này bằng phƣơng pháp thủ công.
Bƣớc 3. Xây dựng ma trận mối quan hệ:
Gọi i, j là những ngƣời tham gia vào quy trình;
𝑀ℎ là ma trận sinh ra sau khi sử dụng độ đo
Handover of work;
𝑀ℎ 𝑖, 𝑗 là một phần tử của ma trận 𝑀ℎ . Ta có:
𝑀ℎ 𝑖, 𝑗 =
số lần ngƣời i chuyển giao nhiệm vụ j và ngƣợc lại
0 ngƣời 𝑖 và j không có sự chuyển giao nhiệm vụ
Bƣớc 4. Cách thức lƣu đồ thị trong tệp .txt:
Hình 3.5 Định dạng dữ liệu .txt lưu đồ thị
Bƣớc 5. Xây dựng ma trận kề:

17. 16
Gọi 𝑀𝑎 là ma trận đỉnh kề đƣợc xây dựng danh
sách cạnh của bƣớc 4.
Trong đó:
𝑀𝑎(i,j)=
1
0
𝑛ế𝑢 đỉ𝑛ℎ 𝑖 𝑘ề 𝑣ớ𝑖 đỉ𝑛ℎ 𝑗
𝑛𝑔ượ𝑐 𝑙ạ𝑖
Bƣớc 6. Áp dụng giải thuật tìm kiếm cộng
đồng:
+ Xây dựng ma trận độ tƣơng tự giữa các cạnh.
+ Tiến hành gom cụm.
+ Tìm ngƣỡng cắt cây lƣợc đồ.
Bƣớc 7. Đánh giá chất lƣợng cộng đồng:
+ Đối với cộng đồng cạnh: Giá trị mật độ phân
vùng -
2
3
≤D ≤1, giá trị D càng gần giá trị 1 thì các cộng
đồng cạnh đƣợc phát hiện ra có chất lƣợng tốt, cộng đồng
cạnh có giá trị D<=0, thƣờng không có giá trị để khai
thác nên loại bỏ. Trong đó:
D=1: cộng đồng đƣợc phát hiện là một đồ thị
đầy đủ; D=0: mỗi cộng đồng là một cây; D<0: các đồ thị
con trong cộng đồng không có sự kết nối; D= -
2
3
: là giá
trị nhỏ nhất của một cộng đồng có hai cạnh không kết
nối.
+ Đối với cộng đồng đỉnh: Những cộng đồng có
giá trị khai thác là những cộng đồng không tầm thƣờng
(Nontrivial community) [4], có chứa từ ba đỉnh trở lên.

18. 17
CHƢƠNG 4. KẾT QUẢ THỰC NGHIỆM, ĐÁNH
GIÁ VÀ KẾT LUẬN
4.1 Công cụ, môi trƣờng thực nghiệm
4.1.2 Phần mềm và tập dữ liệu đầu vào:
- Quá trình xây dựng chương trình:
+ Tải công cụ lập trình NetBeans IDE 8.0.2 và
cài đặt.
+ Tạo chƣơng trình: Viết mã nguồn tiền xử lý tệp
XES nhằm xây dựng mô hình MXH là đồ thị vô hƣớng,
không trọng số. Xây dựng ma trận kề từ danh sách đỉnh,
diễn dƣới dạng ma thƣa (Sparse Matrix) làm đầu vào cho
chƣơng trình Link Clustering.
4.2 Chƣơng trình thực nghiệm
Các thông tin đƣợc hiển thị trong chƣơng trình
thực nghiệm: thông tin đầu vào của tệp .xes bao gồm số
trƣờng hợp, số sự kiện, số ngƣời tham gia vào quy trình;
hiển thị danh sách đỉnh kề bao gồm ký hiệu các đỉnh, số
lƣợng đỉnh và cạnh; hiển thị danh sách các cộng đồng tìm
thấy bao gồm danh sách các cộng đồng mà các đỉnh
thuộc vào.
4.3 Kết quả thực nghiệm và đánh giá
Sau khi cài đặt chƣơng trình, luận văn đã thực
hiện thử nghiệm với 04 tệp .xes. Kết quả cụ thể nhƣ sau:
Tệp dữ
liệu
Thông tin tệp XES
Thông tin
MXH
Thông tin kết quả đầu ra
Giá
trị
mật
độ
trun
g
bình
Thờigianchạy
(giây)
SốTrƣờnghợp
SốSựkiện
SốNgƣờithamgia
SốĐỉnh
SốCạnh
Sốcộngđồngcạnh
Sốcộngđồngđỉnh
Sốcộngđồngchồng
chéođỉnh
Sốcộngđồngkhông
tầmthƣờng
Sốđỉnhchồngchéo
Chapter1.x 10 142 6 6 12 3 3 3 3 3 0.5 5

19. 18
es
Chapter5.x
es
139
1
1507
8
8 8 14
4
4 4 2 4 0.36
7
Chapter6.x
es 87 522 5 5 4
4
4 4 1 1 0
10
BPI2013.x
es
1484 13288 442 442 781
576
576 576 499 767 0.035
13
Bảng 4.3 Đánh giá kết quả chương trình thực nghiệm
Trong bảng kết quả, các khía cạnh cần quan tâm:
- Về số người: Nếu số ngƣời tham gia vào quy
trình thấp, kết quả phân cụm không có ý nghĩa nhiều
trong thực tế. Đối với các tập dữ liệu thu đƣợc trên
chuyên trang http://www.processmining.org có số lƣợng
ngƣời tham gia dƣới 10 ngƣời, do đó kết quả các cộng
đồng chồng chéo không có giá trị khai thác cao trong
phân tích và đánh giá sự chồng chéo trong nhiệm vụ.
Khía cạnh có ý nghĩa là đánh giá mức độ quan trọng của
từng ngƣời trong quy trình.
- Về kích thước của MXH: Với một mạng có số
cạnh ~ số đỉnh tức khả năng tƣơng tác giữa các đỉnh
trong một mạng là thấp, các kỹ thuật khai phá sẽ sinh ra
các kết quả không có giá trị về mặt thực tế.
- Về kích thước các cộng đồng: Các cộng đồng
có giá trị khai thác là những cộng đồng không tầm
thƣờng có từ ba đỉnh trở lên [4], số lƣợng loại cộng đồng
này phụ thuộc lớn vào mật độ kết nối trong MXH. Nếu
MXH có mật độ kết nối thƣa, các đỉnh bị phân tách nên
số lƣợng cộng đồng chứa 3 đỉnh trở lên là rất ít.
- Số lượng đỉnh chồng chéo: Một đỉnh thuộc vào
nhiều cộng đồng không tầm thƣờng thể hiện tầm quan

20. 19
trọng của đỉnh đó trong đồ thị hay của cá nhân đó đối với
các hoạt động trong quy trình. Một đồ thị có số lƣợng
đỉnh chồng chéo thuộc các cộng đồng không tầm thƣờng
lớn, khả năng xảy ra sự chồng chéo nhiệm vụ giữa những
ngƣời tham gia vào quy trình lớn.
- Mật độ phân vùng trung bình: Trong luận văn,
Tác giả sử dụng giá trị mật độ phân vùng trung bình D để
đánh giá chất lƣợng cộng đồng cạnh. Chất lƣợng các
cộng đồng cạnh càng tốt, thể hiện sự phân tách của giải
thuât là tối ƣu tƣơng ứng với các cộng đồng cạnh này là
các cộng đồng đỉnh có sự chồng chéo lớn. Các đánh giá
cụ thể:
Tệp dữ liệu
Đánh giá
Chapter1.xes
- Giá trị 𝐷 ≥ 0.5 → Chất lƣợng phân tách tốt, các cộng đồng
cạnh có sự kết nối mạnh, tƣơng ứng là cộng đồng đỉnh có sự
chồng chéo lớn.
- Số lƣợng đỉnh =
1
2
số lƣợng cạnh → Mật độ kết nối dày.
- Số lƣợng cộng đồng không tầm thƣờng chiếm 100%
- Số lƣợng ngƣời tham gia là 6 < 10 ngƣời → ít
 Có khả năng chồng chéo nhiệm vụ giữa những ngƣời
tham gia vào quy trình cao. Tuy nhiên, do số lƣợng
ngƣời tham gia ít, nên kết quả chồng chéo này không
có giá trị khai thác cao trong thực tế, mà kết quả chỉ
phù hợp với việc nhận xét tầm quan trọng của cá
nhân đối với quy trình.
Chapter5.xes
- Giá trị 0 <D< 0.5 → Các cộng đồng cạnh có sự kết nối ở
mức trung bình, sự chồng chéo xảy ra tại một số cộng đồng
đỉnh đƣợc tìm ra.
- Số lƣợng đỉnh ~
1
2
số lƣợng cạnh → Mật độ kết nối dày.
- Số lƣợng cộng đồng không tầm thƣờng chiếm 50%
- Số lƣợng ngƣời tham gia là 8 < 10 ngƣời → ít
 Có khả năng có sự chồng chéo nhiệm vụ của một số
ngƣời tham gia vào quy trình. Tuy nhiên, do số lƣợng

21. 20
ngƣời tham gia ít, số lƣợng cộng đồng không tầm
thƣờng chỉ chiếm phần nửa nên kết quả này phù hợp
với đánh giá tầm quan trọng của các cá nhân.
Chapter6.xes
- Giá trị 𝐷 = 0 → Chất lƣợng phân tách các cộng đồng thấp,
do vậy mật độ kết nối giữa các đỉnh trong đồ thị là thấp. Các
cộng đồng đƣợc tìm ra không có sự kết nối, độ chồng chéo các
đỉnh là thấp.
- Số lƣợng đỉnh xấp xỉ số lƣợng cạnh→ Mật độ kết nối giữa
các đỉnh thƣa.
- Số lƣợng cộng đồng không tầm thƣờng chiếm 33%
 Không có thể có sự chồng chéo nhiệm vụ giữa
những ngƣời tham gia vào quy trình. Kết quả chỉ
phục vụ mục đích tìm ra các nhân nào có tầm quan
trọng trong quy trình
BPI2013.xes
- Giá trị 𝐷~0 → Các cộng đồng cạnh gần nhƣ không có sự kết
nối, do vậy các cộng đồng cạnh tƣơng ứng có độ chồng chéo
thấp.
- Số lƣợng đỉnh ~ ½ số lƣợng cạnh → Mật độ kết nối các đỉnh
thƣa.
- Số lƣợng cộng đồng không tầm thƣờng chiếm 50%
 Không có thể có sự chồng chéo nhiệm vụ giữa những
ngƣời tham gia vào quy trình. Kết quả chỉ phục vụ
mục đích tìm ra các nhân nào có tầm quan trọng
trong quy trình.
Bảng 4.4 Đánh giá chất lượng các cộng đồng

22. 21
KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN TƢƠNG LAI
1. Kết luận
- Tổng kết các kết quả nghiên cứu của các nhà khoa
học trên thế giới về lĩnh vực KPQT và các giải thuật tìm
kiếm cộng đồng trong MXH. Những nghiên cứu này tạo nền
tảng cơ sở cho sự lựa chọn giải thuật tìm kiếm cộng cộng
đồng chồng chéo áp dụng để giải quyết bài toán thuộc khía
cạnh tổ chức.
- Phát biểu bài toán và đề xuất mô hình giải quyết
bài toán. Đề xuất giúp tìm ra các nhóm ngƣời có sự chồng
chéo nhiệm vụ khi tham gia vào quy trình.
- Xây dựng thành công chƣơng trình thực nghiệm
dựa trên mô hình đề xuất giải quyết trong luận văn.
2. Hƣớng phát triển tƣơng lai
Trong tƣơng lai, Tác giả sẽ tiếp tục nghiên cứu và
giải quyết những thách thức:
- Đối với dữ liệu đầu vào: Tác giả sẽ tiếp tục thu
thập dữ liệu nhật ký sự kiện trong thực tế, áp dụng các công
cụ tiền xử lý dữ liệu để đƣa dữ liệu về dạng chuẩn, làm đầu
vào cho các giải thuật.
- Đối với loại độ đo hỗ trợ biểu diễn cấu trúc MXH:
Mở rộng kỹ thuật xây dựng MXH dƣới dạng đồ thị có
hƣớng, có trọng số bằng cách sử dụng các độ đo khác nhau.
- Đối với giải thuật tìm kiếm: Tác giả sẽ tiếp tục
nghiên giải thuật cải tiến của giải thuật Phân vùng theo cạnh
và các giải thuật khác, nhằm đánh giá các loại giải thuật phù
hợp với từng loại mô hình MXH .
- Đối với chức năng của phần mềm: Chƣơng trình
thực nghiệm chỉ dừng ở việc xử lý tệp dữ liệu sự kiện định
dạng .xes chứa khoảng hơn 1000 trƣờng hợp và 7000 sự
kiện. Do đo, Tác giả sẽ nghiên cứu, mở rộng các chức năng
của chƣơng trình để đáp ứng với tệp dữ liệu có kích thƣớc
lớn hơn.

23. 22
TÀI LIỆU THAM KHẢO
[1] Wil M. P. van der Aalst. (2011), Process
Mining: Discovery, Conformance and Enhancement of
Business Processes. Springer, Berlin, Heidelberg.
[2] Minseok Song and Wil M. P. van der Aalst.
(2008), Towards comprehensive support for
organizational mining. Decision Support Systems, pp.
300–317.
[3] G. Palla, I. Derényi, I. Farkas, and T. Vicsek.
(2005), Uncovering the overlapping community structure
of complex networks in nature and society. Nature, vol.
435, no. 7043.
[4] Ahn Y.-Y., Bargrow, J. P., and Lehmann, S.
(2010), Link communities reveal multiscale complexity
in networks. Nature 466, pp. 761–764.
[5] Karsten Steinhaeuser and Nitesh v. Chawla.
Community detection in large real world networks.
[6] S. Gregory. (2009), Finding overlapping
communities using disjoint community detection algorithms,
in Complex Networks. Springer, pp. 47–61.
[7] J. Xie, S. Kelley, and B. K. Szymanski.
(2011), Overlapping community detection in networks:
the state of the art and comparative study. arXiv preprint
arXiv: 1110.5813.
[8] Wil M.P. Van der Aalst, W., Weijters, A., and
Maruster, L. (2004), Workflow Mining: Discovering
Process Models from Event Logs. IEEE Transactions on
Knowledge and Data Engineering, Vol. 16(9), pp. 1128–
1142.
[9] Wil M.P. van der Aalst., Reijers, H.A., Song,
M. (2005), Discovering Social Networks from Event
Logs. Computer Supported Cooperative Work, Vol. 14
No. 6, pp. 549–593.
[10] Borko Furht. (2010), Handbook of Social
Network Technologies and Applications. Springer, 1st
edition.
[11] Girvan, M., & Newman, M. E. (2002),
Community structure in social and biological networks.
In Proceedings of the National Academy of Sciences,
99(12), pp. 7821- 7826.

24. 23
[12] M. Bramer. (2007), Principles of Data
Mining. Springer, Berlin.
[13] J. Nakatumba and Wil M.P. van der Aalst.
(2010), Analyzing resource behavior using process mining.
In BPMW'09, vol. 43 of LNBIP, pp. 69-80. Springer.
[14] Wil M.P. Van der Aalst and Minseok Song.
(2004), Mining social networks: Uncovering interaction
patterns in business processes. In Business Process
Management, pp. 244–260. Springer.
[15] Chen, Z. S., Kalashnikov, D. V. and
Mehrotra, S. Exploiting context analysis for combining
multiple entity resolution systems. (2009), In
Proceedings of the 2009 ACM International Conference
on Management of Data (SIGMOD'09).
[16] Reza Zafarani, Mohammad Ali Abbasi,
Huan Liu. (2014), Social Media Mining: An Introduction.
Cambridge University Press.
[17] Huang L, Wang G, Wang Y, Blanzieri E, Su
C. (2013), Link Clustering with Extended Link Similarity
and EQ Evaluation Division.
[18] W.M.P. van der Aalst, B.F. van Dongen, J.
Herbst, L. Maruster, G. Schimm, and A.J.M.M. Weijters.
(2003), Workflow Mining: A Survey of Issues and
Approaches. Data and Knowledge Engineering, pp. 237–
267.
[19] Mini Singh ahuja and Jatinder singh. (2014),
Future prospects in community detection. Vol. 4, Issue 5,
pp. 37-48.
[20] DR Ferreira, C Alves. (2012), Discovering
User Communities in Large Event Logs. 7th
International Workshop on Business Process
Intelligence, pp. 123-134.
[21] Zbigniew Paszkiewicz and Wily Picard.
(2013), Analysis of the Volvo IT Incident and Problem
Handling Processes using Process Mining and Social
Network Analysis.
[22] Jaewon Yang, Jure Leskovec. (2013),
Overlapping Community Detection at Scale: A
Nonnegative Matrix Factorization Approach.

25. 24
[23] Reichert, M. (2012), Visualizing Large
Business Process Models: Challenges, Techniques,
Applications. In 1st Int’l Workshop on Theory and
Applications of Process Visualization, Tallin.
[24] Stanley W., Katherine. (1999), Social
Network Analysis: Methods and Applications. ISBN
052137078.
[25] Noel M. T., Micheal L. T and Charles
(1979), Social Network Analysis for Organizations. The
Academy of Management Review. Vol. 4.
[26] Cook, J. E., and Wolf, A. L. (1998),
Discovering models of software processes from event-
based data. ACM Trans. Softw. Eng. Methodol.
[27] Herbst, J., and Karagiannis, D. (1998),
Integrating Machine Learning and Workflow
Management to Support Acquisition and Adaptation of
Workflow Models. In Proceedings 9th International
Workshop on Database and Expert Systems Applications
(DEXA’98), pp. 745–752.
[28] Song, M., and Van der Aalst. (2008),
Towards comprehensive Support for organizational
mining. Decision Support Systems.
[29] Weske, Mathias. (2012),Business process
management concepts, languages, architectures, Berlin;
New York: Springer.
[30] J.L. Moreno.(1934), Who Shall
Survive?Nervous and Mental Disease Publishing
Company,Washington, DC.
[31] Becker, J., Delfmann, P., Eggert, M., and
Schwittay. (2012a),. Generalizability and Applicability of
Model-Based Business Process Compliance-
CheckingApproaches – A State-of-the-Art Analysis and
Research Roadmap.BuR Business Research (5:2), pp.
221–247.
[32] Grigori, D., Casati, F., Castellanos, M.,
Dayal, U., Sayal, M., and Shan, M. C. (2004), Business
Process Intelligence. Computers in Industry, 53(3).
[33] Ingvaldsen, J. E., Gulla, J. A., Hegle, A.,
and Prange A. (2005), Empirical Business Models. 17th

26. 25
Conference on Advanced Information Systems
Engineering, Porto, Portugal.
[34] Steve Gregory. (2007), An Algorithm to
Find Overlapping Community Structure in Networks.
[35] Raghavan UN, Albert R, Kumara S. (2007),
Near Linear Time Algorithm to Detect Community
Structures in Large-scale Networks.
[36] Wil M.P Van der Aalst, W. M. P.,
Andriansyah, A., Alves de Medeiros, A. K., Arcieri, F.,
Baier, T., Blickle, T., Bose, J. C., Van den Brand, P.,
Brandtjen, R., and Buijs, J. (2012) Process mining
manifesto. In BPM 2011 Workshops Proceedings, pp.
169–194.