针对现有泛化度算法依赖于概率分布和时间复杂度高的缺点,提出一种基于泛化度自动机的泛化度计算方法。将Petri网中的标识作为泛化度自动机中的状态,并且借鉴过程树算法中结点被访问次数越多越可靠的思想,而不依赖于贝叶斯假设。将完全拟合的事件日志在过程模型上重演,根据标识状态变化情况构建泛化度自动机,并记录状态的被访问次数和状态发生的活动集合。状态的被访问次数与状态发生的活动数之比越高则状态越可靠,下次再访问该状态时引发新活动的可能性越小,泛化度越高。仿真实验将本文所提出的算法与其他经典算法作对比,说明