Developing a High-Performance Process Mining Library with Java and Python Bindings in Rust

目前最常用的开源过程挖掘软件工具是ProM和PM4Py，分别用Java和Python编写。这些高级编程语言通常是解释型的，虽然易于使用，但性能会有所牺牲，而传统的编译语言（如C或C++）可以实现最高性能，但往往会因为不安全的内存管理而导致不稳定。最近，Rust成为一种高性能的编译型编程语言，具有固有的内存安全性。在本文中，我们描述了在Rust中开发共享过程挖掘库的方法，同时与Java和Python绑定，允许完全集成到现有的生态系统中，如ProM和PM4Py。通过促进互操作性，我们的方法使研究人员或工业界能够在Rust中开发新算法，并使它们可供整个社区使用，同时实现更高的性能。

本文试图通过使用Rust编写一个共享的流程挖掘库，解决使用高级编程语言（如Java和Python）在性能和内存安全性之间的权衡问题，并实现与现有生态系统的完全集成。

本文的关键思路是使用Rust编写一个共享的流程挖掘库，并创建与Java和Python的绑定，以实现与现有生态系统的完全集成，从而提高性能和内存安全性。

本文的亮点是使用Rust编写共享库，提高了性能和内存安全性，并实现了与现有生态系统的完全集成。实验使用了ProM和PM4Py等数据集，并提供了开源代码。这项工作有望为研究人员和工业界提供一个新的选择，以在流程挖掘领域中开发新算法。

最近的相关研究包括使用其他编程语言（如Java和Python）开发流程挖掘工具的研究，例如ProM和PM4Py。