CN105138445A - 基于概率行为关系挖掘业务流程中不可见任务的新方法 - Google Patents
基于概率行为关系挖掘业务流程中不可见任务的新方法 Download PDFInfo
- Publication number
- CN105138445A CN105138445A CN201510504071.XA CN201510504071A CN105138445A CN 105138445 A CN105138445 A CN 105138445A CN 201510504071 A CN201510504071 A CN 201510504071A CN 105138445 A CN105138445 A CN 105138445A
- Authority
- CN
- China
- Prior art keywords
- invisible
- task
- model
- tasks
- behavior
- 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
- Complex Calculations (AREA)
Abstract
基于Petri网概率行为关系挖掘业务流程中不可见任务的新方法。首先结合记录产生的日志序列,对其进行分区,把活动变迁集∑分配成不相交的非空子集∑1,∑2…∑n。再对分区部分进行分割,通过对其进行二进制分割找到活动对之间的关系,选择概率最大的作为分区之间的行为关系,从而构建源模型。再分析日志中出现缺省活动的序列,通过优化源模型从而找到带有不可见任务的模型。最后将其与源模型进行比较得出带有不可见任务模型的合理性及适当性,通过比较分析业务流程中不可见任务的位置。目前挖掘不可见任务的方法不能高效地挖掘出带有不可见任务的模型,本发明不仅能够挖掘出不完备日志中的不可见任务,而且有利于挖掘出带有不可见任务的业务流程模型。
Description
技术领域
本发明属于Web日志服务分析领域,涉及业务流程模型中一种不可见任务的寻找及模型构建方法,包括通过计算概率一步步递归得出活动之间的行为关系,找到缺省活动所对应不可见任务位置的方法。
背景技术
随着计算机技术软件平台的不断成熟,以及流程模型应用领域的逐步扩展,势必会出现包含多个不可见任务的业务流程模型。这些不可见任务不会出现在任何日志轨迹中,不能被直接发现,如果不挖掘出这些不可见任务势必会使得所建的模型与系统所需存在差异。针对这种情况,以满足用户所需功能为前提,在一定的行为约束条件下研究流程模型中不可见任务的挖掘显得尤为重要,而分析它们之间的行为关系成为关键所在。
找到不可见任务不仅能够使得模型更加完善,还能够提高运营效率。基于Petri网概率行为关系挖掘不可见任务,将日志序列进行二进制分割,选择概率最大的作为分区之间的行为关系,再一步步递归得到任务之间的行为关系,从而得出源模型图。最后,日志序列进行分析,找到缺省任务的位置,则在其附近存在不可见任务。最后通过计算合理性及适当性判断所挖掘出模型的完备性。这种方法能够方便快捷的挖掘出业务流程模型中的不可见任务,从而使得模型更加完备。以往所挖掘出的没有不可见任务的模型,其合理性f的值和行为适当性aB的值都是偏低的,本发明不仅挖掘出带有不可见任务的模型,而且提高了日志与模型之间的合理性和行为适当性。这一项技术在日志服务分析领域起到了很重要的作用。
发明内容
本发明所要解决的技术问题是:提供一种基于Petri网概率行为关系挖掘业务流程中不可见任务的方法。通过对记录的日志序列进行二进制分割,最终得到活动之间的行为关系。从而找到不可见任务。
为解决以上技术问题,本发明采用如下的技术方案:
对于概率行为关系,本发明根据概率行为关系的公式可以清楚得知分区之间的行为关系。
对于日志序列的分区,分区指的是把活动集分配成一些不相交的非空子集,通过计算概率行为关系,选择概率最大的作为分区之间的行为关系。再对分区进行二进制分割,一步步递归下去直到得出活动之间的行为关系为止。从而得出源模型,再通过分析日志序列,找到缺省活动所对应不可见任务位置。
当得出模型时,我们需要通过评价指标来验证模型是否完备。计算模型与日志之间的合理性及行为适当性。首先根据执行日志来计算模型的合理性f,根据合理性来判断日志的重放效果。其次在f→1的情况下,考虑模型的行为适当性aB。此时把找到的不可见任务视为正常任务计算,如果评价指标出现一高一低则需要通过公式(m,n代表它们所占的权重)计算得出一组数,再计算这组数据的方差。方差越小,波动越小,越稳定,则越好。
按照上述方法,通过分析行为之间的关系一步步优化得出带有不可见任务的过程模型。
附图说明
图1是本发明的流程模型图。
图2是本发明的基于概率行为关系分析的步骤图。
图3是本发明的评价指标实施的流程图。
具体实施方式
提供一种基于Petri网概率行为关系挖掘业务流程中不可见任务的方法。通过计算概率得到行为之间的关系从而一步步找到不可见任务的位置。并通过评价指标来判定模型的完备性。
以下结合附图对本发明作进一步的说明。
图1所示,在过程挖掘中,根据信息系统记录产生事件日志,在通常情况下事件日志是不完备的,从不完备的日志中挖掘不可见任务,可从概率行为关系方面考虑,因为不完备日志对概率行为关系不是很敏感。由于各种原因会出现不可见任务,这些任务存在在过程模型中,但不出现在事件轨迹中。
图2是本发明的部分实施的流程,包括如何使用概率行为关系分析得出不可见任务。如图所示,通过对产生的日志序列进行分区,把活动变迁集分配成不相交的非空子集。再通过计算概率行为关系对分区部分进行分割,通过二进制分割成一个进程树,从而得出变迁之间的行为关系。再分析得出对应的不可见任务的位置。
图3描述了评价指标计算步骤,其中包括模型与日志之间的合理性f及行为适当性aB(此时把找到的不可见任务当正常任务计算)。如果出现评价指标一高一低则通过公式(m,n代表它们所占的权重)计算得出一组数,再计算这组数据的方差。方差越小,波动越小,越稳定,则越好。
Claims (3)
1.流程模型中寻找不可见任务的新方法,包括块结构的发现和基于Petri网概率行为关系分析寻找不可见任务的方法,其特征在于:通过对流程模型中记录产生的日志序列进行分析,并在此基础上进行基于Petri网概率行为关系的计算找出块结构,选择最大的概率作为块结构之间的行为关系,再一步步的递归下去能够有效地得到任务之间的行为关系。
2.根据权利要求1所述的块结构的发现,其特征在于:在流程模型中,在多数情况下所记录的日志序列是不完备的,从不完备的日志序列中寻找不可见任务,需要诱导挖掘出一些不完备的行为关系,根据块结构的思想对日志序列进行分割,利用行为弱序关系一步步递归从而得出任务之间的行为关系。
3.根据权利要求1所述的基于Petri网概率行为关系分析寻找不可见任务的方法,其特征在于:所述的方法利用Petri网概率行为关系公式,将日志序列进行二进制分割,选择概率最大的作为分区之间的行为关系,再一步步递归得到任务之间的行为关系,从而得出源模型图。最后,日志序列进行分析,找到缺省任务的位置,则在其附近存在不可见任务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510504071.XA CN105138445A (zh) | 2015-08-17 | 2015-08-17 | 基于概率行为关系挖掘业务流程中不可见任务的新方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510504071.XA CN105138445A (zh) | 2015-08-17 | 2015-08-17 | 基于概率行为关系挖掘业务流程中不可见任务的新方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105138445A true CN105138445A (zh) | 2015-12-09 |
Family
ID=54723800
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510504071.XA Pending CN105138445A (zh) | 2015-08-17 | 2015-08-17 | 基于概率行为关系挖掘业务流程中不可见任务的新方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105138445A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105959412A (zh) * | 2016-06-29 | 2016-09-21 | 安徽理工大学 | 一种基于队列挖掘的云服务资源分配方法 |
CN107729346A (zh) * | 2017-08-21 | 2018-02-23 | 安徽理工大学 | 一种挖掘业务过程隐变迁的新方法 |
US11182269B2 (en) | 2019-10-01 | 2021-11-23 | International Business Machines Corporation | Proactive change verification |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102332125A (zh) * | 2011-11-08 | 2012-01-25 | 南京大学 | 基于后继任务的工作流挖掘方法 |
CN103559588A (zh) * | 2013-11-15 | 2014-02-05 | 安徽理工大学 | 基于Petri网行为轮廓的日志挖掘方法 |
CN103578003A (zh) * | 2013-11-15 | 2014-02-12 | 安徽理工大学 | 基于Petri网寻找电子商务模型变化区域的新方法 |
CN104133857A (zh) * | 2014-07-14 | 2014-11-05 | 安徽理工大学 | 一种基于配置约束的业务流程模型挖掘的新方法 |
-
2015
- 2015-08-17 CN CN201510504071.XA patent/CN105138445A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102332125A (zh) * | 2011-11-08 | 2012-01-25 | 南京大学 | 基于后继任务的工作流挖掘方法 |
CN103559588A (zh) * | 2013-11-15 | 2014-02-05 | 安徽理工大学 | 基于Petri网行为轮廓的日志挖掘方法 |
CN103578003A (zh) * | 2013-11-15 | 2014-02-12 | 安徽理工大学 | 基于Petri网寻找电子商务模型变化区域的新方法 |
CN104133857A (zh) * | 2014-07-14 | 2014-11-05 | 安徽理工大学 | 一种基于配置约束的业务流程模型挖掘的新方法 |
Non-Patent Citations (3)
Title |
---|
LEEMANS S J J: "Discovering Block-Structured Process Models from Incomplete Event Logs", 《INTERNATIONAL CONFERENCE ON APPLICATIONS AND THEORY OF PETRI NETS AND CONCURRENCY》 * |
WEIDLICH M,: "Process Compliance Measurement Based on Behavioural Profiles", 《ADVANCED INFORMATION SYSTEMS ENGINEERING.SPRINGER BERLIN HEIDELBERG》 * |
薛岗 等: "基于初始不可见任务的过程挖掘方法的改进", 《计算机科学》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105959412A (zh) * | 2016-06-29 | 2016-09-21 | 安徽理工大学 | 一种基于队列挖掘的云服务资源分配方法 |
CN107729346A (zh) * | 2017-08-21 | 2018-02-23 | 安徽理工大学 | 一种挖掘业务过程隐变迁的新方法 |
US11182269B2 (en) | 2019-10-01 | 2021-11-23 | International Business Machines Corporation | Proactive change verification |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9612892B2 (en) | Creating a correlation rule defining a relationship between event types | |
CN107577771B (zh) | 一种大数据挖掘系统 | |
CN102722709B (zh) | 一种垃圾图片识别方法和装置 | |
CN110958136A (zh) | 一种基于深度学习的日志分析预警方法 | |
CN104794195A (zh) | 一种用于电信潜在换机用户发现的数据挖掘方法 | |
CN106778876A (zh) | 基于移动用户轨迹相似性的用户分类方法和系统 | |
CN113326244B (zh) | 一种基于日志事件图和关联关系挖掘的异常检测方法 | |
CN104518905A (zh) | 一种故障定位方法及装置 | |
CN102122291A (zh) | 一种基于树形日志模式分析的博客好友推荐方法 | |
CN106649329A (zh) | 一种安全生产大数据挖掘系统 | |
CN109767227B (zh) | 通过rds实现支付风险智能判断和控制的系统及方法 | |
CN105138445A (zh) | 基于概率行为关系挖掘业务流程中不可见任务的新方法 | |
CN105138650A (zh) | 一种基于孤立点挖掘的Hadoop数据清洗方法及系统 | |
CN105138916A (zh) | 基于数据挖掘的多轨迹恶意程序特征检测方法 | |
CN112422571A (zh) | 一种跨越多个属性网络进行异常对齐的方法 | |
CN103559588A (zh) | 基于Petri网行为轮廓的日志挖掘方法 | |
CN109993390B (zh) | 告警关联及派单优化方法、装置、设备及介质 | |
CN101661409B (zh) | 并行程序通信模式的提取方法及系统 | |
CN105045715A (zh) | 基于编程模式和模式匹配的漏洞聚类方法 | |
CN104317794A (zh) | 基于动态项权值的中文特征词关联模式挖掘方法及其系统 | |
CN103593454A (zh) | 面向微博文本分类的挖掘方法及系统 | |
CN116186759A (zh) | 一种面向隐私计算的敏感数据识别与脱敏方法 | |
CN106575254A (zh) | 日志分析装置、日志分析系统、日志分析方法以及计算机程序 | |
CN105678246A (zh) | 一种基于基站标号轨迹的运动模式挖掘方法 | |
Eshun et al. | Two de-anonymization attacks on real-world location data based on a hidden Markov model |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20151209 |