随着信息技术的快速发展和数字化转型的不断深入，企业积累了海量的业务数据，其中包含了丰富的业务流程信息。然而，现有过程挖掘方法侧重于频繁行为建模，忽略了事件日志中虽不频繁但具有重要价值的行为。针对上述问题，提出一种基于离群点检测的不频繁行为挖掘方法。从事件日志中提取事件轨迹、频率和标签等信息，借鉴机器翻译领域的以召回率为导向的摘要评价指标(ROUGE)度量轨迹之间的相似度，通过改进的局部离群因子(LOF)算法挖掘不频繁行为。综合考量局部密度、频率和轨迹相似度等信息，使用真实事件日志进行评估，并与现有算法进行对比。实验结果表明，该方法能够有效批量处理事件日志，准确识别其中的不频繁行为，从而提供可靠的挖掘结果。