CN111242593B - 基于伙伴矩阵的交易系统的重叠对应行为一致性检测方法 - Google Patents
基于伙伴矩阵的交易系统的重叠对应行为一致性检测方法 Download PDFInfo
- Publication number
- CN111242593B CN111242593B CN202010020627.9A CN202010020627A CN111242593B CN 111242593 B CN111242593 B CN 111242593B CN 202010020627 A CN202010020627 A CN 202010020627A CN 111242593 B CN111242593 B CN 111242593B
- Authority
- CN
- China
- Prior art keywords
- matrix
- relationship
- user
- relation
- overlapping
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/08—Payment architectures
- G06Q20/085—Payment architectures involving remote charge determination or related payment systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
Abstract
本发明涉及一种基于伙伴矩阵的交易系统的重叠对应行为一致性检测方法,属于电子商务技术领域。本发明为了验证用户实时交易模型与预期模型的行为一致性,研究和证明了用户实时交易模型与预期模型的重叠对应关系特征性质,使用伙伴矩阵描述重叠对应关系,提出了基于重叠对应关系下的用户行为一致性测度方法。该构架能够有效区分重叠对应关系,并依此对行为对应关系做到更为精确的判定。有效地将重叠对应关系进行区分和计算,解决了存在重叠对应的行为一致性测度问题,并大大缩短了运算时间。
Description
技术领域
本发明涉及一种基于伙伴矩阵的交易系统的重叠对应行为一致性检测方法,属于电子商务技术领域。
背景技术
随着计算机网络及网上支付的飞速发展及广泛应用,针对网络用户在支付过程中的行为一致性检测技术的要求也越来越严格。由于系统设计师和架构师对相同的现实环境对象所持有观点的不同,进而导致不同模型的构成。网络交易行为模型的一致性关系到交易系统中元素在系统匹配情况下的匹配语义学。而在现实的交易环境下,一个或多个活动在多个模型下有着相同作用的情况比比皆是,那么如何对这样的用户行为一致性进行测量,进而对网络交易过程中用户的实时交易行为和预期行为进行一致性分析,使得其存在于重叠对应模型间便显得尤为重要。目前针对两个系统间的一致性研究技术,主要包括基于复杂对应、不确定对应等的一致性测量方法,但这些方法对重叠对应情况都未涉及。而事实上,由于重叠对应而产生的用户行为一致性检测产生的误差有时会很大程度上影响设计师或架构师的评判模式。
发明内容
本发明的目的是为解决含有重叠对应的用户行为一致性检测问题的技术问题。
为达到解决上述问题的目的,本发明所采取的技术方案是提供一种基于伙伴矩阵的交易系统的重叠对应行为一致性检测方法,包括以下步骤:
步骤1:根据现有用户行为模型分析重叠对应关系特征;将重叠对应关系分类,研究各个类的行为特征;将用户行为模型的对应关系映射到用户交易模型的具体实例中;
步骤2:根据用户行为特征建立关系轮廓,构建用户关系轮廓矩阵;把用户各个活动间的关系,建立用户关系轮廓;根据每两两两活动间的关系轮廓,计算两个模型的基于关系轮廓的关系轮廓矩阵;
步骤3:根据用户重叠对应特征,计算关系轮廓矩阵的伙伴矩阵,计算用户行为一致性度,检测用户行为与预期行为的一致程度;根据用户重叠对应类,计算关系轮廓的伙伴矩阵;根据用户实时交易模型与预期模型的重叠对应关系及表示各个模型自身行为关系的关系轮廓矩阵,计算用户实时交易模型与预期模型的行为一致性。
优选地,所述的步骤3中计算用户行为一致性度检测算法包括以下步骤:
步骤2:将变迁集T1和T2按照对应关系分为n个对应集合形式,T1,1~T2,1,T1,2~T2,2,…,T1,n~T2,n是所有的对应关系,执行下一步骤;
步骤3:计算所有BM1的伙伴矩阵BMP1的元素,得到BM1的伙伴矩阵BMP1,
执行下一步骤;
步骤4:计算所有BM2的伙伴矩阵BMP2的元素,得到BM2的伙伴矩阵BMP2,
执行下一步骤;
步骤5:若BM1·BMp1与BM2·BMp2同阶,那么找到BM1·BMp1与BM2·BMp2,中相同位置中的不同元素,计算基于重叠对应关系的一致性度DP,输出DP,算法终止;否则执行下一步骤;
步骤6:比较BM1·BMp1与(BM2·BMp2)T,计算BM1·BMp1与(BM2·BMp2)T中相同位置中的不同元素,执行下一步骤;
步骤7:计算基于重叠对应关系的一致性度DP,输出DP,输出重叠对应的一致性度DP,算法终止。
本发明为了验证用户实时交易模型与预期模型的行为一致性,对重叠对应的行为关系进行具体分类分析,研究重叠对应类别下的行为特征,提出了伙伴矩阵来形式化描述重叠对应关系;解决了含有重叠对应的用户行为一致性检测问题,利用矩阵的相关知识,研究了交易系统的行为一致性,测量了含有重叠对应关系的行为一致性度。对用户的内部行为关系进行了较细致的分析,建立了基于8种行为关系的关系轮廓,并对重叠对应关系进行区分和分类,给出了基于重叠对应关系的用户行为一致性测量和分析构架。
为此给出的技术方案为:研究和证明了用户实时交易模型与预期模型的重叠对应关系特征性质,使用伙伴矩阵描述重叠对应关系,提出了基于重叠对应关系下的用户行为一致性测度方法。
相比现有技术,本发明具有如下有益效果:
该构架能够有效区分重叠对应关系,并依此对行为对应关系做到更为精确的判定。有效地将重叠对应关系进行区分和计算,解决了存在重叠对应的行为一致性测度问题,并大大缩短了运算时间。
附图说明
图1是本发明基于重叠对应的一致性计算结构架构图;
图2是本发明算法1的流程图;
图3是本发明有着相同关系轮廓矩阵的两个工作流网模型;
图4是图3(a)的伙伴矩阵图;
图5是图3(b)的伙伴矩阵图;
图6是本发明有着不同的关系轮廓矩阵的两个工作流模型图;
图7是图6(a)的关系轮廓矩阵;
图8是图6(b)的关系轮廓矩阵;
图9是图7的伙伴矩阵;
图10是图8的伙伴矩阵;
具体实施方式
为使本发明更明显易懂,兹以优选实施例,并配合附图作详细说明如下:
如图1-10所示,本发明提供了一种基于伙伴矩阵的交易系统的重叠对应行为一致性检测方法。
如图1所示:基于重叠对应的用户行为一致性测量方法架构图;
整个发明技术方案分为三个阶段:第一阶段根据现有用户行为模型分析重叠对应关系特征,第二阶段根据用户行为特征建立关系轮廓,构建用户关系轮廓矩阵,第三阶段根据用户重叠对应特征,计算关系轮廓矩阵的伙伴矩阵,计算用户行为一致性度,检测用户行为与预期行为的一致程度。
本发明中,用到的相关概念如下所示:
定义1(Petri网):一个网∑=(P,T,F;M0)是一个Petri网,P表示(库所集合),T表示(变迁集合),F表示(库所和变迁之间的有向弧集合),M0表示(初始标识)。
第一阶段具体实施步骤:
1.将重叠对应关系分类,研究各个类的行为特征。
2.将用户行为模型的对应关系映射到用户交易模型的具体实例中。
第二阶段具体实施步骤:
1.把用户各个活动间的关系,建立用户关系轮廓。
2.根据每两两两活动间的关系轮廓,计算两个模型的基于关系轮廓的关系轮廓矩阵。
本发明定义的关系轮廓如下所示:
定义4(关系轮廓):令∑=(P,T,F;M0)是一个Petri网,变迁对(x,y)∈T×T属于其中之一的行为关系中:
使得:
第三阶段具体实施步骤:
1.根据用户重叠对应类,计算关系轮廓的伙伴矩阵。
2.根据用户实时交易模型与预期模型的重叠对应关系及表示各个模型自身行为关系的关系轮廓矩阵,计算用户实时交易模型与预期模型的行为一致性。
定义6(伙伴矩阵)令(Ni,Mi)=(Pi,Ti,Fi,Mi),i∈{1,2}是一个网系统,其中T1,1~T2,1,T1,2~T2,2,…,T1,n~T2,n是所有的对应。BM1和BM2是他们的关系轮廓矩阵,BM1的伙伴矩阵BMp1是一个n×m阶矩阵:
使得:
定义7(重叠对应的一致性度)令(Ni,Mi)=(Pi,Ti,Fi,Mi),i∈{1,2}是一个网系统,其中T1,1~T2,1,T1,2~T2,2,…,T1,n~T2,n是所有的对应。BS1和BS2是他们的关系轮廓,其中BS1,他们的关系轮廓矩阵BM1、BM2,伙伴矩阵分别为BMp1、BMp2。那么基于重叠对应的行为一致性度Dp被定义为:
其中:Si,j表示矩阵BM1·BMp1与矩阵BM2·BMp2(或BM2·BMp2 T)中的相同位置的不同元素或不互逆元素。
算法1重叠对应的一致性检测算法(具体流程见图2)
输出:重叠对应的一致性度Dp。
(1)将变迁集T1和T2按照对应关系分为n个对应集合形式,T1,1~T2,1,T1,2~T2,2,…,T1,n~T2,n是所有的对应关系,执行步骤(2);
(2)根据定义6,计算所有BM1的伙伴矩阵BMp1的元素,得到BM1的伙伴矩阵BMp1,执行步骤(3);
(3)根据定义6,计算所有BM2的伙伴矩阵BMp2的元素,得到BM2的伙伴矩阵BMp2,执行步骤(4);
(4)若BM1·BMp1与BM2·BMp2同阶,那么找到BM1·BMp1与BM2·BMp2,中相同位置中的不同元素,根据定义7计算基于重叠对应关系的一致性度Dp,输出Dp,算法终止;否则执行步骤(5);
(5)比较BM1·BMp1与(BM2·BMp2)T,计算BM1·BMp1与(BM2·BMp2)T中相同位置中的不同元素,执行步骤(6);
(6)根据定义7,计算基于重叠对应关系的一致性度Dp,输出Dp,算法终止。
下面给出两个简单的实施例进行说明。
实施例1
相对于两个有着相同关系轮廓矩阵的网模型,如图3所示。根据算法1,分别按照对应关系将图3得到他们的伙伴矩阵如图4、5所示。那么,根据算法1,可知BM1·BMp1与BM2·BMp2都是3×3阶矩阵,可得到Dp=1-可见,虽然两个网有着相同的网结构,而且其不同的对应关系使得两个网模型的一致性度存在差异。
实施例2
图6是两个存在重叠对应关系且有着不同的关系轮廓矩阵的网模型,其中图6(a)和6(b)中存在一个重叠对应关系。我们发现在图6(a)和6(b)中,{B1,B2}~o{BC1},且{C1}~o{BC1,BC2}。我们可得到图6(a)和6(b)的关系轮廓矩阵分别如图7、图8所示。根据算法1,分别按照对应关系将图7、8得到他们的伙伴矩阵如图9、10所示。BM3·BMp3与BM4·BMp4不同阶,那么根据算法1,我们可得到
一致度值越高代表该用户行为与预期行为越一致,一致度值越低代表该用户行为与预期行为越不一致,当一致度值特别低时,我们怀疑该用户行为为非法行为或者预期模型的构建存在问题。
该方法在存在重叠对应情况下,可以进行有效区分,从而大大增加了精度;在计算时间上,该方法可在O(n2)时间内解决。
经过实验证明,该方法在准确率和计算时间上都优于现有的研究。
以上所述,仅为本发明的较佳实施例,并非对本发明任何形式上和实质上的限制,应当指出,对于本技术领域的普通技术人员,在不脱离本发明的前提下,还将可以做出若干改进和补充,这些改进和补充也应视为本发明的保护范围。凡熟悉本专业的技术人员,在不脱离本发明的精神和范围的情况下,当可利用以上所揭示的技术内容而做出的些许更动、修饰与演变的等同变化,均为本发明的等效实施例;同时,凡依据本发明的实质技术对上述实施例所作的任何等同变化的更动、修饰与演变,均仍属于本发明的技术方案的范围内。
Claims (1)
1.一种基于伙伴矩阵的交易系统的重叠对应行为一致性检测方法,其特征在于,包括以下步骤:
步骤1:根据现有用户行为模型分析重叠对应关系特征;将重叠对应关系分类,研究各个类的行为特征;将用户行为模型的对应关系映射到用户交易模型的具体实例中;
步骤2:根据用户行为特征建立关系轮廓,构建用户关系轮廓矩阵;把用户各个活动间的关系,建立用户关系轮廓;根据每两两活动间的关系轮廓,计算两个模型的基于关系轮廓的关系轮廓矩阵;
步骤3:根据用户重叠对应特征,计算关系轮廓矩阵的伙伴矩阵,计算用户行为一致性度,检测用户行为与预期行为的一致程度;根据用户重叠对应类,计算关系轮廓的伙伴矩阵;根据用户实时交易模型与预期模型的重叠对应关系及表示各个模型自身行为关系的关系轮廓矩阵,计算用户实时交易模型与预期模型的行为一致性;
P表示库所集合,T表示变迁集合,F表示库所和变迁之间的有向弧集合,M表示标识;P1,T1,F1;M1和P2,T2,F2;M2分别代表两个网模型的库所、变迁、库所和变迁间的有向弧、标识;r1,r2,r3,r4,r5,r6代表关系轮廓中的6种行为关系;其中:
步骤3.2:将变迁集T1和T2按照对应关系分为n个对应集合形式,T1,1~T2,1,T1,2~T2,2,…,T1,n~T2,n是所有的对应关系,执行下一步骤;
步骤3.3:计算所有BM1的伙伴矩阵BMP1的元素,得到BM1的伙伴矩阵BMP1,执行下一步骤;
步骤3.4:计算所有BM2的伙伴矩阵BMP2的元素,得到BM2的伙伴矩阵BMP2,执行下一步骤;
步骤3.5:若BM1·BMp1与BM2·BMp2同阶,那么找到BM1·BMp1与BM2·BMp2,中相同位置中的不同元素,计算基于重叠对应关系的一致性度DP,输出DP,算法终止;否则执行下一步骤;
步骤3.6:比较BM1·BMp1与(BM2·BMp2)T,计算BM1·BMp1与(BM2·BMp2)T中相同位置中的不同元素,执行下一步骤;
步骤3.7:计算基于重叠对应关系的一致性度DP,输出DP,算法终止;其中Dp被定义为:
Si,j表示矩阵BM1·BMp1与矩阵BM2·BMp2或(BM2·BMp2)T中的相同位置的不同元素或不互逆元素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010020627.9A CN111242593B (zh) | 2020-01-09 | 2020-01-09 | 基于伙伴矩阵的交易系统的重叠对应行为一致性检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010020627.9A CN111242593B (zh) | 2020-01-09 | 2020-01-09 | 基于伙伴矩阵的交易系统的重叠对应行为一致性检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111242593A CN111242593A (zh) | 2020-06-05 |
CN111242593B true CN111242593B (zh) | 2022-05-31 |
Family
ID=70880209
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010020627.9A Active CN111242593B (zh) | 2020-01-09 | 2020-01-09 | 基于伙伴矩阵的交易系统的重叠对应行为一致性检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111242593B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN104133808A (zh) * | 2014-07-10 | 2014-11-05 | 同济大学 | 基于复杂对应系统的用户行为一致性度测量方法 |
CN105303047A (zh) * | 2015-10-30 | 2016-02-03 | 同济大学 | 一种基于分支进程的模型一致性分析方法及系统 |
-
2020
- 2020-01-09 CN CN202010020627.9A patent/CN111242593B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN104133808A (zh) * | 2014-07-10 | 2014-11-05 | 同济大学 | 基于复杂对应系统的用户行为一致性度测量方法 |
CN105303047A (zh) * | 2015-10-30 | 2016-02-03 | 同济大学 | 一种基于分支进程的模型一致性分析方法及系统 |
WO2017071127A1 (zh) * | 2015-10-30 | 2017-05-04 | 同济大学 | 一种基于分支进程的模型一致性分析方法及系统 |
Non-Patent Citations (2)
Title |
---|
基于三维行为关系图的模型一致性检测方法;赵培海等;《计算机科学》;20180630;第242-245页 * |
基于网进程的模型一致性分析方法;赵培海等;《计算机科学》;20161130;第156-160页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111242593A (zh) | 2020-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nsoesie et al. | A simulation optimization approach to epidemic forecasting | |
CN109828925B (zh) | 一种基于软件网络结构特征的软件可靠性度量方法 | |
CN107102948B (zh) | 一种基于uml的软件架构复杂性度量方法 | |
CN110110529B (zh) | 一种基于复杂网络的软件网络关键节点挖掘方法 | |
Ramnath et al. | Design science meets data science: Curating large design datasets for engineered artifacts | |
Baasch et al. | Identifying whole-building heat loss coefficient from heterogeneous sensor data: An empirical survey of gray and black box approaches | |
Gálvez et al. | Immunological-based approach for accurate fitting of 3D noisy data points with Bézier surfaces | |
CN103679484A (zh) | 基于行为Petri网的电子商务一致性分析新方法 | |
Izquierdo et al. | Sensitivity analysis to assess the relative importance of pipes in water distribution networks | |
WO2016004744A1 (zh) | 基于复杂对应系统的用户行为一致性度测量方法 | |
CN111242593B (zh) | 基于伙伴矩阵的交易系统的重叠对应行为一致性检测方法 | |
CN103970651A (zh) | 基于组件安全属性的软件体系结构安全性评估方法 | |
CN111124489B (zh) | 一种基于bp神经网络的软件功能点数估算方法 | |
CN108399284A (zh) | 一种基于偏差约减的大数据交易模型分析与修复方法 | |
WO2017071127A1 (zh) | 一种基于分支进程的模型一致性分析方法及系统 | |
CN114037144A (zh) | 一种电网工程运维成本预测方法及系统 | |
CN104965923A (zh) | 一种用于生成现金流量表的云计算应用平台构建方法 | |
CN112581188A (zh) | 工程项目投标报价预测模型构建方法、预测方法及模型 | |
CN111539115A (zh) | 一种基于bim的建筑物管线布置优化系统 | |
Malik et al. | Measurable & scalable NFRs using fuzzy logic and Likert scale | |
Dwivedi et al. | Neural network based patterns detection in object-oriented program | |
Yang et al. | The global disruption index (GDI): an incorporation of citation cascades in the disruptive index | |
TWI719743B (zh) | 提高類神經網路在分類問題的準確度之方法與電腦可讀儲存媒介 | |
Li et al. | KEWS: A KPIs-Based Evaluation Framework of Workload Simulation On Microservice System | |
Waspada et al. | An Improved Method of Graph Edit Distance for Business Process Model Similarity Measurement |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |