CN104318125A - 基于动力学表达式的业务流程行为偏差分析方法 - Google Patents
基于动力学表达式的业务流程行为偏差分析方法 Download PDFInfo
- Publication number
- CN104318125A CN104318125A CN201410648889.4A CN201410648889A CN104318125A CN 104318125 A CN104318125 A CN 104318125A CN 201410648889 A CN201410648889 A CN 201410648889A CN 104318125 A CN104318125 A CN 104318125A
- Authority
- CN
- China
- Prior art keywords
- behavior
- model
- sequence
- business process
- distance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种基于Petri网动力学表达式的业务流程模型行为偏差的分析方法,利用Petri网的动态行为特征,分析两个业务流程模型的发生序列中变迁对应关系,构造动力学表达式,通过计算匹配序列间的行为距离,并结合行为轮廓对行为活动的约束关系,分析模型间存在的行为偏差。本发明提出的业务流程模型行为偏差分析的新方法,能有效地解决业务流程模型行为匹配度较低,测量结果可能不精确问题,对业务流程模型的一致性分析有较大优势。
Description
技术领域
本发明属于电子商务信息技术领域,涉及流程模型中一种基于Petri网动力学表达式的业务流程模型行为偏差分析方法,包括定义并计算出模型间的行为继承度,再结合行为轮廓对行为活动的约束关系,分析模型间存在的行为偏差。
背景技术
在互联网环境下,将服务对象及其特征行为用Petri网相关语言进行建模,在模型中研究解决实际问题,是大多数公司企业处理问题的常用方法。而要模型投入实际生产,不仅要模型本身的合理性,还需考虑模型的实际操作可能性。一般情况下,若不考虑实际资源背景,建模专家所建立的最理想化模型,即源模型,是概述实际问题的最佳参考模型。但是源模型的理想化限制了其在实际环境中的可用性,重新构建一个目标模型是克服这类难题的最有效方法之一。为不影响实验条件,构建的目标模型必须满足行为一致性,否则会使结果不可信。而测量一致性度的方法在此时显得尤为重要。
对同一目标,不同专家建立的模型往往是不同的。这些模型都满足功能要求,包含相同的任务。尽管如此,它们的一致性程度可能是千差万别的。以往的测量一致性的方法,对行为匹配差距较大的模型的服务度较低,测量结果可能有偏差。怎样分析这类模型行为有多大偏差,是测量模型匹配度的重点所在。
发明内容
本发明所要解决的技术问题是:在基于Petri网基础之上,建立一个目标流程模型,利用Petri网的动态行为特征,分析两个模型发生序列中变迁的一致性对应,构造动力学表达式,通过计算匹配序列间的行为距离,定义并计算出模型间的行为继承度,再结合行为轮廓对行为活动的约束关系,分析模型间存在的行为偏差。
为解决以上技术问题,本发明采用如下的技术方案:
对执行结果相同的两个发生序列,将其在语义上检测到的异同性定义为行为距离。显然,两个执行序列在语义上越相似,其行为距离越小。通过插入或删除某些变迁来匹配发生序列,在所有匹配序列中寻找最适合的,即执行任务一致,行为距离最小的序列。基于以上分析,可以得到源序列的行为距离。
由于序列匹配时每插入一个变迁,其相似性随之降低。故最匹配的序列应为相似性较高,长度较短的扩展序列。由此特征可以找出源序列的最匹配序列。对所有的匹配序列,通过计算相似性和差异性,采用迭代的方式不断更新行为距离,直到其变化范围很小,即处于规定的误差范围之内。由定义的动力学表达式得出它们的行为距离。
模型的语义学特征,主要体现在执行序列中。给定两个模型,列出每个模型的所有可发生序列,将序列多的模型作为基模型,对基模型中的每条序列在另一个模型中找出与之最相似的序列,即所含变迁种类及变迁最匹配的序列。如果它们是天然匹配的,则可计算出序列的相似性和行为距离;否则,先从它们的扩展集中找出最匹配序列,再计算相似性和行为距离。最后可以计算出两个模型间的行为继承。
在两个给定的模型中,对模型的所有可发生序列,先找到对应模型中与之最相似的序列,再进行匹配,得到一个匹配的序列对。由相关动力学表达式,计算序列间的相似性和行为距离,再由行为继承的表达式,计算模型间的行为继承。此方法不仅考虑了模型间的相似性,还充分考虑了模型间存在的差异性,具有较高的合理性。
行为继承代表了模型在语义学上存在的相似性与差异性。但是利用行为轮廓的约束条件,行为偏差可以描述模型在语义学和结构学上存在的相似性与差异性。
对给定的两个模型中,考虑到模型中直接变迁对所满足的行为轮廓关系,可计算行为关系有效值。由此可以定义两个模型在结构上的相似性,结合行为继承和结构相似,可以计算模型间的行为偏差。
附图说明
图1是本发明的一种实施的流程图。
图2是本发明的序列间行为距离的计算步骤图。
图3是本发明的模型间行为继承的计算步骤图。
图4是本发明的模型间行为偏差的计算步骤图。
具体实施方式
本发明提出基于动力学表达式通过计算序列间的距离来计算模型间的行为继承。并在此基础利用行为轮廓和行为继承计算出业务流程模型的行为偏差。
以下结合附图对本发明作进一步的说明。
图1是本发明的一种实施的流程,包括序列间行为距离的计算、模型间的行为继承计算和模型间的行为偏差计算。如图所示,在流程模型中,由网最小语义,找出所有执行序列,适配后再进行匹配,由动力学表达式计算其行为距离。由相似性和行为距离计算出模型间的行为继承。利用行为轮廓得到行为关系,结合行为继承和结构相似,由此计算出业务流程模型的行为偏差。
图2是描述了序列间行为距离的计算步骤,由网执行语义,找出这些执行序列后适配成对。由匹配序列的性质,若序列不是天然匹配的,则需进行自然匹配,得到的所有匹配序列。由公式 和 计算最匹配序列的相似性和差异性。通过迭代的方式连续更新行为距离,带入动力学表达式f1(x,y)=max(x,y)+[0.2min(x,y)],f2(x,y,z,u)=0.7x+0.2y+0.5z+0.5u,f3(x,y,z)=|0.8x-0.1y-0.1z|,f4(x,y)=0.75x+0.25y计算匹配序列的行为距离。
图3描述了模型间的行为继承计算步骤,给定两个模型,在初始标识下,列出每个模型的所有可发生序列,将序列多的模型作为基模型,找出基模型所有可发生序列数的总和。在另一个模型中找出与基模型之最相似的序列,即所含变迁种类及变迁最匹配的序列。计算出序列的相似性与行为距离。最后两个模型间的行为继承可计算如下:
图4描述了本发明中模型间的行为偏差计算步骤,在两个模型中,考虑到模型中直接变迁对所满足的行为轮廓关系,计算行为关系有效值,给出两个模型在结构上的相似性:
再结合行为继承与结构相似,下面给出模型间行为偏差的计算式:
devi(BPP1,BPP2)=f6(heri(BPP1,BPP2),strs(BPP1,BPP2))
f6(x,y)=1-0.8x-0.2y。
Claims (4)
1.业务流程网中基于Petri网动力学表达式的业务流程模型行为偏差分析方法,包括序列间行为距离的计算、模型间的行为继承计算和模型间行为偏差计算,其特征在于:利用Petri网的动态行为特征,构造业务流程模型的动力学表达式,通过计算匹配序列间的行为距离,并结合行为轮廓对行为活动的约束关系,分析模型间存在的行为偏差。
2.根据权利要求1所述的序列间行为距离计算方法,其特征在于:所述的计算方法是在利用业务流程的序列进行匹配,包括复杂对应下的行为序列匹配,利用动力学表达式计算匹配序列的行为距离。
3.根据权利要求1所述的模型间的行为继承计算方法,其特征在于:在执行序列中,根据流程模型变迁间的弱序关系,分析所含行为轮廓弱序关系的种类及变迁匹配序列。找出最佳匹配序列,分析他们的行为相似性和行为距离,并分析出两个模型间的行为继承关系。
4.根据权利要1所述的模型间行为偏差计算方法,其特征在于:对给定的两个模型中,考虑到模型中直接变迁对所满足的行为轮廓关系,可计算行为关系有效值。由此可以定义两个模型在结构上的相似性,结合行为继承和结构相似,可以计算模型间的行为偏差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410648889.4A CN104318125A (zh) | 2014-11-14 | 2014-11-14 | 基于动力学表达式的业务流程行为偏差分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410648889.4A CN104318125A (zh) | 2014-11-14 | 2014-11-14 | 基于动力学表达式的业务流程行为偏差分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104318125A true CN104318125A (zh) | 2015-01-28 |
Family
ID=52373356
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410648889.4A Pending CN104318125A (zh) | 2014-11-14 | 2014-11-14 | 基于动力学表达式的业务流程行为偏差分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104318125A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103559587A (zh) * | 2013-11-15 | 2014-02-05 | 安徽理工大学 | 一种基于行为模式的模型变化区域责任分析系统 |
CN103679484A (zh) * | 2014-01-09 | 2014-03-26 | 安徽理工大学 | 基于行为Petri网的电子商务一致性分析新方法 |
CN103699690A (zh) * | 2014-01-09 | 2014-04-02 | 安徽理工大学 | 一种寻找流程模型中最小变化区域的精确方法 |
CN104134112A (zh) * | 2014-07-14 | 2014-11-05 | 安徽理工大学 | 一种语义约束下的业务流程模型一致性度量方法 |
-
2014
- 2014-11-14 CN CN201410648889.4A patent/CN104318125A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103559587A (zh) * | 2013-11-15 | 2014-02-05 | 安徽理工大学 | 一种基于行为模式的模型变化区域责任分析系统 |
CN103679484A (zh) * | 2014-01-09 | 2014-03-26 | 安徽理工大学 | 基于行为Petri网的电子商务一致性分析新方法 |
CN103699690A (zh) * | 2014-01-09 | 2014-04-02 | 安徽理工大学 | 一种寻找流程模型中最小变化区域的精确方法 |
CN104134112A (zh) * | 2014-07-14 | 2014-11-05 | 安徽理工大学 | 一种语义约束下的业务流程模型一致性度量方法 |
Non-Patent Citations (1)
Title |
---|
冯英华: "基于间接约束的行为继承方法研究", 《广东技术师范学院学报(自然科学)》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Adedeji et al. | Leakage detection and estimation algorithm for loss reduction in water piping networks | |
Polson et al. | The bayesian bridge | |
Rau et al. | An empirical Bayesian method for estimating biological networks from temporal microarray data | |
Guerrero et al. | Heterogeneous data source integration for smart grid ecosystems based on metadata mining | |
Kessentini et al. | Search-based metamodel matching with structural and syntactic measures | |
CN103761236B (zh) | 一种增量式频繁模式增长数据挖掘方法 | |
Borraz-Sánchez et al. | Minimizing fuel cost in gas transmission networks by dynamic programming and adaptive discretization | |
CN103514255A (zh) | 一种基于项目层次类别的协同过滤推荐方法 | |
CN104036105A (zh) | 用于确定应用正确性的方法和系统 | |
CN103106616A (zh) | 基于资源整合与信息传播特征的社区发现及演化方法 | |
Panzeri et al. | Comparison of Ensemble Kalman Filter groundwater-data assimilation methods based on stochastic moment equations and Monte Carlo simulation | |
CN102708327A (zh) | 一种基于谱优化的网络社区发现方法 | |
Fagioli et al. | Solutions to aggregation–diffusion equations with nonlinear mobility constructed via a deterministic particle approximation | |
CN105912588A (zh) | 一种基于内存计算的大数据可视化处理方法及系统 | |
CN104679868A (zh) | 一种基于数据间关联关系的遗漏数据填补方法 | |
CN103679484A (zh) | 基于行为Petri网的电子商务一致性分析新方法 | |
Linot et al. | Dynamics of a data-driven low-dimensional model of turbulent minimal Couette flow | |
CN106296401A (zh) | 一种用于股市运行逻辑理解的强关联规则挖掘方法 | |
Uzunca et al. | Linearly implicit methods for Allen-Cahn equation | |
CN104318125A (zh) | 基于动力学表达式的业务流程行为偏差分析方法 | |
Kalita et al. | A response surface modelling approach for multi-objective optimization of composite plates | |
Cai et al. | Efficient high-order structure-preserving methods for the generalized Rosenau-type equation with power law nonlinearity | |
US10762551B2 (en) | Intelligent recommendation system | |
Sun et al. | Towards higher-order topological consistency for unsupervised network alignment | |
CN103383705B (zh) | 超材料的元建模方法和系统、及电磁响应曲线的获取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150128 |
|
WD01 | Invention patent application deemed withdrawn after publication |