CN105069574A - 一种业务流程行为相似度分析的新方法 - Google Patents
一种业务流程行为相似度分析的新方法 Download PDFInfo
- Publication number
- CN105069574A CN105069574A CN201510504099.3A CN201510504099A CN105069574A CN 105069574 A CN105069574 A CN 105069574A CN 201510504099 A CN201510504099 A CN 201510504099A CN 105069574 A CN105069574 A CN 105069574A
- Authority
- CN
- China
- Prior art keywords
- relation
- behavior
- transition
- model
- similarity
- 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
Abstract
基于Petri网分析业务流程模型行为相似度的新方法,涉及到业务流程行为轮廓关系和拟行为轮廓关系的寻找以及行为相似性度的测量。对源模型N1和目标模型N2的相似性分析,首先基于Petri网的基本理论对业务流程模型进行预处理,将含有相同语义的变迁用相同的标签来表示;然后,基于行为轮廓的理论和拟行为轮廓的理论得到N1、N2中的所有变迁与其他变迁之间的关系,并因此得出N1和N2的八种相似性度;最后,结合加权函数,测量出N1和N2的行为相似性度。本发明给出了测量业务流程行为相似性度的新方法,有效地解决了业务流程模型中相似性模型的寻找问题,避免了现有方法在相似性模型寻找方面的局限性,且能够降低寻找相似性模型的时间复杂度。
Description
技术领域
本发明属于业务流程中相似性模型的分析领域,涉及到行为相似性模型的寻找,特别适用于在复杂业务流程系统中对具有相似性行为的业务流程模型进行搜索。
背景技术
随着业务流程系统的日益发展,很多企业和公司在建模过程中会出现大量的过程模型,而以业务流程模型的一致性分析为目标,寻找出一致的模型较难,因此需要采取有效的方法去搜索出那些有相似性行为的模型,以此来建立精简的模型仓库。已有的方法从行为的角度对于相似性过程模型的搜索并非都是适用的,它们缺乏一些标准的特征。目前有几种方法去分析相似性模型,一种方法是基于寻找业务流程模型间具有直接因果关系的变迁对来判断两个模型间的行为相似性;另一种方法是将过程模型的相似性进行量化,从行为轮廓的角度直接去考察两个模型的行为相似性。显然这些方法能为行为相似的业务流程模型的寻找奠定理论基础。但是通过这些方法来找出的模型,效果并不是很好,无法保证所找出的模型与已知模型行为相似度值高,也不能很好地增强所寻找的模型的可信度。
所以,提出基于行为轮廓关系的直接行为相似性测量方法及基于拟行为轮廓关系的间接行为相似性测量方法就显得尤为重要,并且这两种测量方法对于业务流程模型间的相似性和一致性分析都具有一定的优越性。通过采取这些方法,能提高模型的行为相似性度。
发明内容
本发明所要解决的技术问题是:提供一种基于行为轮廓的直接行为关系与拟行为轮廓的间接行为关系的业务流程模型行为相似性的度量方法,用以对业务流程系统中相似性程度最优模型的寻找,同时提高寻找优化模型的准确度。
为解决以上技术问题,本发明采用如下的技术方案:
对业务流程系统中出现的模型进行预处理,将源模型N1和目标模型N2中有相同或相近语义的变迁分配相同的标签,即将N1,N2中的网转化为带有标签且结构清晰的流程模型Petri网。
根据所得到的带标签的流程模型Petri网N1与N2,可以清晰的看出这些活动变迁之间存在的行为轮廓关系(严格序、排他序、交叉序、严格逆序)以及拟行为轮廓关系(拟严格序、拟排他序、拟交叉序、拟严格逆序),并且基于这些关系来分析N1与N2的行为相似性度。为此,本发明采用了从行为轮廓的角度测量相邻变迁间的行为相似性度和拟行为轮廓的角度测量不相邻的变迁间的行为相似性度,在此基础上依据业务流程模型的建模需求以及权重函数wi(i=1…8)的分配得出两个模型间的行为相似性度sim(N1,N2).
附图说明
图1是本发明的测量行为相似性度的结构图。
图2是本发明的确定直接行为关系相似性度的流程图。
图3是本发明的确定间接行为关系相似性度的流程图。
图4是本发明的确定N1与N2行为相似性度的流程图。
具体实施方式
本发明提出基于流程模型Petri网的行为轮廓关系和拟行为轮廓关系快速寻找最优流程模型的方法,且该方法适用于各种相似性模型的搜索。
以下结合附图对本发明作进一步的说明:
业务流程模型行为相似性度的分析方法可以分为五个步骤,如图1所示。第一步,对所搜索到的业务流程模型进行Petri网建模,得到了源模型N1和目标模型N2;第二步,对这些业务流程模型进行预处理,将N1与N2中含相同语义的变迁予以分配相同的标签,并对这些模型进行标准化处理;第三步,依据Petri网行为轮廓相关的理论去分析具有直接行为关系的变迁对,并在此基础上分析N1与N2的直接行为相似性度;第四步,基于拟行为轮廓的理论去分析带有间接行为关系的变迁对,并以此为出发点分析N1与N2的间接行为相似性度;第五步,将第三步和第四步中的结果分别分配一定的权重,得出N1与N2的行为相似性度。
图2是本发明的依据行为轮廓关系确定具有直接行为关系的相似性流程图,依据N1,N2中每个变迁与相邻变迁之间的关系,将N1与N2中相邻变迁中有相同严格序关系的变迁对记为将N1与N2中所具有的严格序关系变迁对的并集记为则严格序相似性度为类似地,可以得出排他序相似性度sim+(N1,N2)、交叉序相似性度sim//(N1,N2)以及严格逆序相似性度sim←(N1,N2)。
图3是本发明的依据拟行为轮廓关系确定具有间接行为关系相似性度流程图,分别考察每个变迁与其他不相邻变迁之间的行为关系,拟严格序(拟严格逆序)关系说明两个不相邻的变迁之间有着特定的发生顺序,拟排他序关系说明两个不相邻的变迁不可能同时发生,拟交叉序关系说明两个不相邻的变迁可以以任何的顺序发生,其中拟严格序用来表示,拟排他序用来表示,拟交叉序用来表示,拟严格逆序用来表示。首先找出N1与N2中相应元素间都具有拟严格序关系的变迁对的集合,记为将N1与N2中具有拟严格序关系的所有变迁对集合的并集记为则拟严格序相似性度为 同理,可得出拟排他序相似性度拟交叉序相似性度以及拟严格逆序相似性度
图4是本发明的测量N1与N2行为相似性度的流程图,将图2中四种直接行为关系分别分配权重w1,w2,w3,w4。同理,将图3中四种间接行为关系分别分配权重w5,w6,w7,w8,且因此来测量N1与N2的行为相似性度为:
Claims (3)
1.分析业务流程模型行为相似的新方法,包括对业务流程模型进行预处理、分析具有行为轮廓关系和拟行为轮廓关系的变迁对以及测量模型间的行为相似性度。其特征在于:以业务流程建模为基准,对流程模型进行具体化分析,实现了对业务流程模型运行过程的形象化处理,通过分析模型间的直接行为关系和间接行为关系,利用加权函数测量出模型间的行为相似性度,并基于此寻找相似性模型。
2.根据权利要求1所述的分析具有直接行为关系和间接行为关系的变迁对,其特征在于:根据行为轮廓和拟行为轮廓关系的相关理论,对源模型N1和目标模型N2中的变迁进行具体化分析,得出N1,N2中每个变迁与其余变迁之间的行为关系,将相邻的变迁之间的关系作为直接行为关系,不相邻的变迁之间的关系作为间接行为关系。
3.根据权利要求1所述的测量两个模型间的行为相似性度,其特征在于:基于行为轮廓的理论,得出N1,N2的直接行为关系,依据N1,N2中每个变迁与相邻变迁之间的关系,找出N1,N2中相邻变迁中有相同序关系的变迁对以及N1,N2中所具有的这些关系变迁对的并集;接着基于拟行为轮廓的理论,得出N1,N2的间接行为关系,依据N1,N2中每个变迁与不相邻变迁之间的关系,找出N1,N2中不相邻变迁中有相同拟严格序(拟排他序、拟交叉序和拟严格逆序)关系的变迁对以及N1,N2中所具有的这些关系变迁对的并集,接着结合加权函数,对它们予以分配一定的权重,并予以合并,进而得出两个模型间的行为相似性度,方便了在广泛的模型仓库中搜索行为最为相似的模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510504099.3A CN105069574A (zh) | 2015-08-17 | 2015-08-17 | 一种业务流程行为相似度分析的新方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510504099.3A CN105069574A (zh) | 2015-08-17 | 2015-08-17 | 一种业务流程行为相似度分析的新方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105069574A true CN105069574A (zh) | 2015-11-18 |
Family
ID=54498934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510504099.3A Pending CN105069574A (zh) | 2015-08-17 | 2015-08-17 | 一种业务流程行为相似度分析的新方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105069574A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105468371A (zh) * | 2015-11-23 | 2016-04-06 | 赣南师范学院 | 一种基于主题聚类的业务流程图合并方法 |
CN106021883A (zh) * | 2016-05-11 | 2016-10-12 | 长安大学 | 一种利用Petri网技术提高独居老年人用药健康的方法 |
CN106651317A (zh) * | 2016-12-28 | 2017-05-10 | 浙江省公众信息产业有限公司 | 一种业务流程相关性的判别方法和装置 |
CN108334347A (zh) * | 2017-08-18 | 2018-07-27 | 深圳怡化电脑股份有限公司 | 一种业务控制流程的定制方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
-
2015
- 2015-08-17 CN CN201510504099.3A patent/CN105069574A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
---|
王咪咪: "基于Petri网行为轮廓的交互行为的分析与应用", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105468371A (zh) * | 2015-11-23 | 2016-04-06 | 赣南师范学院 | 一种基于主题聚类的业务流程图合并方法 |
CN105468371B (zh) * | 2015-11-23 | 2018-08-28 | 赣南师范学院 | 一种基于主题聚类的业务流程图合并方法 |
CN106021883A (zh) * | 2016-05-11 | 2016-10-12 | 长安大学 | 一种利用Petri网技术提高独居老年人用药健康的方法 |
CN106021883B (zh) * | 2016-05-11 | 2017-04-12 | 长安大学 | 一种利用Petri网技术提高独居老年人用药健康的方法 |
CN106651317A (zh) * | 2016-12-28 | 2017-05-10 | 浙江省公众信息产业有限公司 | 一种业务流程相关性的判别方法和装置 |
CN108334347A (zh) * | 2017-08-18 | 2018-07-27 | 深圳怡化电脑股份有限公司 | 一种业务控制流程的定制方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103218435B (zh) | 一种中文文本数据聚类方法及系统 | |
Zheng et al. | Understanding the tourist mobility using GPS: How similar are the tourists? | |
CN103559303A (zh) | 一种对数据挖掘算法的评估与选择方法 | |
CN105069574A (zh) | 一种业务流程行为相似度分析的新方法 | |
CN104778185A (zh) | 异常结构化查询语言sql语句确定方法及服务器 | |
CN103514369A (zh) | 一种基于主动学习的回归分析系统及方法 | |
CN104407688A (zh) | 基于树回归的虚拟化云平台能耗测量方法及系统 | |
CN105678590A (zh) | 一种面向社交网络基于云模型的topN推荐方法 | |
CN103885867B (zh) | 一种模拟电路性能的在线评价方法 | |
CN109981749A (zh) | 一种基于极限梯度提升的云工作流任务执行时间预测方法 | |
CN113360711A (zh) | 视频理解任务的模型训练和执行方法、装置、设备及介质 | |
CN102567536A (zh) | 一种基于数据统计学的关键绩效指标分析方法 | |
CN107016260B (zh) | 一种基于跨平台基因表达数据的基因调控网络重建方法 | |
CN105488598A (zh) | 一种基于模糊聚类的中长期电力负荷预测方法 | |
CN104134112A (zh) | 一种语义约束下的业务流程模型一致性度量方法 | |
CN106021401A (zh) | 可扩展的基于倒排索引的实体解析算法 | |
CN109064036B (zh) | 面向管理领域的生态系统服务供需指数变化检测方法 | |
Li et al. | Estimation method of urban green space living vegetation volume based on backpack light detection and ranging | |
CN104090813A (zh) | 一种云数据中心的虚拟机cpu使用率的分析建模方法 | |
Solo | The new fields of public policy engineering, political engineering, computational public policy, and computational politics | |
CN109543512A (zh) | 图文摘要的评价方法 | |
CN103091708B (zh) | 一种三维地震构造曲率性能优化方法 | |
CN103473458A (zh) | 一种折线对比分析相似度的方法 | |
Zhang et al. | On the cost of interactions in interactive visual machine learning | |
Zhang et al. | Research on the method of travel area clustering of urban public transport based on Sage-Husa adaptive filter and improved DBSCAN algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151118 |
|
RJ01 | Rejection of invention patent application after publication |