过程发现往往得到多个不一致的过程结构。分析时常先根据结构相似性对变体进行聚类，再人工赋予业务含义。但这些划分并未依据组织目标，分析师需要大量判断把变体合并到有意义的类别，随着变体数量和复杂度提升，这一步骤难度急增。
本文提出一种目标驱动的变体分类方法，颠倒传统工作流。首先由组织编写目标模型，明确分类维度。随后将每个变体转化为描述其行为的文本叙述，利用大语言模型（LLM）在目标模型语境下进行语义推理，将变体分配到最匹配的类别。LLM 的语义推理实现了低层过程行为与分析师定义的业务目标的桥接。
我们实现了端到端系统，并在三个规模和行为多样性差异显著的公开日志上进行评估。实验表明，目标模型引导的划分与无指导的归纳结果不同，并能对声明的备选方案的受控编辑作出响应，唯一的代价是需要编写目标模型。
点评：该方法通过目标模型将业务意图直接注入变体划分流程，显著降低了人工解释成本，适用于变体数量大且业务目标明确的场景。