專利名稱：基于后繼任務(wù)的工作流挖掘方法
技術(shù)領(lǐng)域：
本發(fā)明屬于工作流技術(shù)領(lǐng)域，尤其是工作流技術(shù)領(lǐng)域中的工作流挖掘技術(shù)，是用于從工作流日志中挖掘工作流過(guò)程模型的技術(shù)。
背景技術(shù)：
工作流過(guò)程被定義為根據(jù)一系列的程序或規(guī)則將文件、信息或活動(dòng)從一個(gè)參與者傳輸?shù)搅硪粋€(gè)參與者的整個(gè)或部分業(yè)務(wù)過(guò)程。工作流系統(tǒng)是一個(gè)用于集中管理工作流程的自動(dòng)化系統(tǒng)。現(xiàn)在，大多數(shù)信息系統(tǒng)使用已定義的工作流模型描述任務(wù)關(guān)系并維護(hù)整個(gè)業(yè)務(wù)過(guò)程。但隨著業(yè)務(wù)過(guò)程越來(lái)越多、單個(gè)業(yè)務(wù)過(guò)程越來(lái)越復(fù)雜，工作流模型不可避免會(huì)有低效，甚至是出錯(cuò)的問(wèn)題。為此對(duì)業(yè)務(wù)過(guò)程進(jìn)行監(jiān)控并加以改進(jìn)是很有必要的，而這些需求都需要獲得工作流模型的真實(shí)行為。工作流挖掘技術(shù)旨在解決上述問(wèn)題。工作流挖掘技術(shù)通過(guò)對(duì)工作流執(zhí)行過(guò)程中累積的大量數(shù)據(jù)進(jìn)行有效的分析，獲得真實(shí)場(chǎng)景人員和工作流過(guò)程的運(yùn)行情況，為后期的工作流模型的監(jiān)控和分析提供支持。工作流挖掘技術(shù)通過(guò)分析事件日志，反向推導(dǎo)出與之對(duì)應(yīng)的工作流過(guò)程模型。本發(fā)明只考慮事件日志信息完整且不存在噪聲的情況，不考慮事件日志信息可能的不完備和信息錯(cuò)誤的情況。工作流挖掘是從事件日志(執(zhí)行序列)中反推出過(guò)程模型的技術(shù)，然后用一定的方式將任務(wù)間的關(guān)系表達(dá)出來(lái)(當(dāng)前，一般使用Petri網(wǎng)描述整個(gè)工作流模型)。事件日志是事件軌跡的集合，每條軌跡由多個(gè)事件組成。工作流挖掘技術(shù)分析事件日志并從中計(jì)算出任務(wù)間關(guān)系，主要是因果關(guān)系、選擇關(guān)系和并發(fā)關(guān)系。目前，工作流網(wǎng)是工作流過(guò)程建模領(lǐng)域比較流行的一種建模方法，工作流網(wǎng)是一類特殊的Petri網(wǎng)。Petri網(wǎng)能很清晰地描述過(guò)程模型中的順序、選擇、循環(huán)、以及并發(fā)與同步結(jié)構(gòu)，在描述過(guò)程模型方面，具有一些優(yōu)點(diǎn)形式化的語(yǔ)義，直觀的圖形表示，易于理解， 堅(jiān)實(shí)的數(shù)學(xué)理論基礎(chǔ)和成熟的分析技術(shù)等，因此Petri網(wǎng)是比較成熟和流行的過(guò)程建模工具。Petri網(wǎng)從結(jié)構(gòu)上來(lái)講，Petri網(wǎng)是一個(gè)三元組PN= (P，T，F(xiàn))，其中P是庫(kù)所(place) 集合，T是變遷(transition)集合，且P η T = Φ，F(xiàn) = (PXT) U (TXP)是庫(kù)所與變遷之間的弧線集合，· χ = {y e ρ U Tl (y，X) e F}表示一個(gè)庫(kù)所或者變遷的前集，χ ·= {y e ρ υ T| (χ, y) e F}表示一個(gè)庫(kù)所或者變遷的后集。工作流網(wǎng)與普通Petri網(wǎng)相比較，有兩個(gè)特殊條件一是在工作流網(wǎng)中有兩個(gè)特殊的庫(kù)所，分別稱為起始庫(kù)所i與結(jié)束庫(kù)所0，起始庫(kù)所沒(méi)有輸入，結(jié)束庫(kù)所沒(méi)有輸出；第二個(gè)條件是在庫(kù)所ο與庫(kù)所i之間添加一個(gè)輔助變遷C構(gòu)成的擴(kuò)展模型PN = (P，T U {V}， FU {(o，t*)，(t*，i)})是強(qiáng)連通的。這里，變遷表示工作流的活動(dòng)，庫(kù)所與token的分布表示工作流的執(zhí)行狀態(tài)，Petri網(wǎng)的點(diǎn)火條件表示活動(dòng)的執(zhí)行條件，總的來(lái)講，工作流網(wǎng)能夠通過(guò)Petri網(wǎng)結(jié)構(gòu)清楚表達(dá)工作流的業(yè)務(wù)過(guò)程的邏輯。在工作流網(wǎng)中，變遷(transition) 代表工作流中的任務(wù)，任務(wù)之間的依賴關(guān)系通過(guò)和庫(kù)所的連接來(lái)表示，托肯(token)在庫(kù)所集中的分布情況表示過(guò)程模型的狀態(tài)。
依據(jù)Petri網(wǎng)理論，工作流網(wǎng)中的一個(gè)任務(wù)(變遷表示)的可執(zhí)行條件為，該任務(wù)所對(duì)應(yīng)的變遷的前置庫(kù)所中都各有一個(gè)托肯(token)，稱為可點(diǎn)火條件，有時(shí)又稱為使能條件(enabled)。一個(gè)任務(wù)(變遷表示)的點(diǎn)火規(guī)則是從發(fā)生點(diǎn)火的變遷的所有輸入庫(kù)所中各移除一個(gè)托肯，向發(fā)生點(diǎn)火的變遷的所有輸出庫(kù)所各添加一個(gè)托肯。對(duì)應(yīng)到工作流系統(tǒng)中，一個(gè)任務(wù)的執(zhí)行步驟是判斷前置條件，執(zhí)行任務(wù)，設(shè)置后置條件。前置條件是指一個(gè)任務(wù)能夠執(zhí)行的前提條件，即任務(wù)的可執(zhí)行條件，一個(gè)任務(wù)只有在獲得了所有的可執(zhí)行條件的情況下，該任務(wù)才能執(zhí)行。后置條件是指一個(gè)任務(wù)完成后，在該任務(wù)結(jié)束之前，該任務(wù)所做的一些善后處理，它可能告知整個(gè)過(guò)程的結(jié)束，也可能為其后繼任務(wù)設(shè)置前置條件。因此，工作流引擎在分析過(guò)程定義和決定任務(wù)的執(zhí)行時(shí)，可以記錄當(dāng)前即將結(jié)束的任務(wù)的所有后繼任務(wù)。工作流挖掘是從事件日志(執(zhí)行序列)中反推出過(guò)程模型的技術(shù)，如果反推出來(lái)的過(guò)程模型工作流網(wǎng)描述，那么工作流挖掘的本質(zhì)就是事件日志(執(zhí)行序列)方向構(gòu)造工作流網(wǎng)的技術(shù)，在工作流網(wǎng)中三元組結(jié)構(gòu)PN= (P，T，F(xiàn))中，其中變遷集合直接由工作流日志(執(zhí)行序列)中的任務(wù)集合組成，因此挖掘工作就變?yōu)橥诰蚱渲械膸?kù)所集以及庫(kù)所集與變遷集之間的連接弧線，這個(gè)反推技術(shù)需要借助任務(wù)關(guān)系(relation)的分析，現(xiàn)有的α方法，α +方法，α++方法和β方法都是基于這種思路設(shè)計(jì)的。目前，基于事件日志的工作流挖掘方法主要有α方法，α +方法，α++方法和β方法。其中α方法，α +方法和α++方法日志中的事件只是簡(jiǎn)單的任務(wù)名稱，β方法日志中的事件含有任務(wù)的開(kāi)始和結(jié)束信息。α方法只能處理SWF網(wǎng)結(jié)構(gòu)約束的過(guò)程模型，不能處理短循環(huán)結(jié)構(gòu)、隱式因果依賴結(jié)構(gòu)和隱式庫(kù)所結(jié)構(gòu)；α +方法擴(kuò)展了 α方法的挖掘能力，它能夠挖掘短循環(huán)結(jié)構(gòu)；α++方法進(jìn)一步擴(kuò)展α方法的挖掘能力，它能夠挖掘出大部分的隱式因果依賴結(jié)構(gòu)；β方法引入新的事件類型，它能夠挖掘符合SWF網(wǎng)結(jié)構(gòu)約束的過(guò)程模型、 短循環(huán)結(jié)構(gòu)，但不能處理隱式因果依賴結(jié)構(gòu)和隱式庫(kù)所結(jié)構(gòu)。雖然大部分已知的工作流挖掘方法都會(huì)考慮一些事件類型，例如時(shí)間戳、操作人員等，但現(xiàn)有工作流挖掘方法都是通過(guò)分析事件日志中的任務(wù)緊鄰關(guān)系挖掘任務(wù)間的因果關(guān)系和并發(fā)關(guān)系，進(jìn)而挖掘任務(wù)間的選擇關(guān)系。這些方法雖然可以挖掘出一部分工作流模型，但對(duì)于像隱式因果依賴和隱式庫(kù)所卻很難挖掘，甚至不能挖掘。在上述的基于事件日志的工作流挖掘方法中，α++方法的挖掘能力是最強(qiáng)的，該方法雖然能挖掘出SWF結(jié)構(gòu)、短循環(huán)結(jié)構(gòu)、大部分隱式因果依賴結(jié)構(gòu)，但不能處理隱式庫(kù)所結(jié)構(gòu)，并且α++方法在挖掘隱式因果依賴結(jié)構(gòu)時(shí)需要采用復(fù)雜的邏輯任務(wù)關(guān)系分析，這大大提高了該方法的復(fù)雜度。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問(wèn)題是提供一種基于后繼任務(wù)(從當(dāng)前任務(wù)獲得執(zhí)行權(quán)限的任務(wù)的集合)的工作流挖掘方法，該方法不僅能擴(kuò)展工作流挖掘方法的可挖掘范圍，而且能簡(jiǎn)化挖掘工作流模型中的因果依賴關(guān)系和潛在并發(fā)關(guān)系。本發(fā)明的技術(shù)方案為基于后繼任務(wù)的工作流挖掘方法，首先通過(guò)分析事件日志中任務(wù)，包括對(duì)工作流的事件日志中后繼任務(wù)進(jìn)行分析；它以事件日志為輸入，以Petri網(wǎng)描述的工作流模型為輸出結(jié)果；后繼任務(wù)是當(dāng)前任務(wù)執(zhí)行完成后，它將執(zhí)行權(quán)限轉(zhuǎn)交給的任務(wù)的集合。該方法引入事件類型使得工作流日志中含有當(dāng)前任務(wù)的后繼任務(wù)，該挖掘方法整體流程如圖1所示。包含步驟(如圖2所示)(1)初始化該流程的返回值N(Petri網(wǎng)描述的工作流模型)，依據(jù)Petri網(wǎng)的結(jié)構(gòu)定義，N由庫(kù)所集Pw、任務(wù)集Tw和弧線集Fw構(gòu)成。(2)分析事件日志W(wǎng)，計(jì)算出任務(wù)集Tw、起始任務(wù)T1和結(jié)束任務(wù)I;(3)調(diào)用relation^·印rocess過(guò)程獲得因果關(guān)系矩陣M2和潛在并發(fā)關(guān)系與并發(fā)關(guān)系矩陣M3;(4)根矩陣M2和M3,計(jì)算出初始任務(wù)關(guān)系集\ ；(5)對(duì)初始任務(wù)關(guān)系集)(w進(jìn)行修正，計(jì)算出修正任務(wù)關(guān)系集X' ff；(6)去除修正任務(wù)關(guān)系集X' w中的冗余元素，計(jì)算出最終任務(wù)關(guān)系集Yw;(7)根據(jù)Yw，計(jì)算出庫(kù)所集Pw ；(8)根據(jù)Yw和Pw，計(jì)算出弧線集Fw ；(9)返回Petri網(wǎng)描述的工作流過(guò)程模型N。在以上的流程中，使用到relation^·印rocess過(guò)程計(jì)算出矩陣M2和M3, relationPreprecess 的步驟如下(1)將順序關(guān)系應(yīng)用于事件日志W(wǎng)，計(jì)算出順序關(guān)系矩陣M1 ；(2)使用因果依賴關(guān)系(含顯式因果依賴關(guān)系與隱式因果依賴關(guān)系)，再依據(jù)順序關(guān)系矩陣M1,劃分顯式因果依賴關(guān)系和隱式因果依賴關(guān)系，從而計(jì)算出因果依賴關(guān)系矩陣 M2;(3)使用潛在并發(fā)關(guān)系、并發(fā)關(guān)系和順序關(guān)系矩陣M1,計(jì)算出潛在并發(fā)關(guān)系與并發(fā)關(guān)系矩陣M3。在該方法的relation^·印rocess中，需要對(duì)日志中的任務(wù)關(guān)系進(jìn)行預(yù)處理，計(jì)算出日志中所有任務(wù)間的任務(wù)關(guān)系。日志中的任務(wù)間關(guān)系預(yù)處理方法(如圖3所示)包括順序關(guān)系、因果依賴關(guān)系、潛在并發(fā)關(guān)系、顯式因果依賴關(guān)系、隱式因果依賴關(guān)系、并發(fā)關(guān)系、 不相關(guān)關(guān)系和非并發(fā)關(guān)系。通過(guò)分析事件的先后關(guān)系可獲得順序關(guān)系，而通過(guò)分析事件日志中的事件，即當(dāng)前任務(wù)和后繼任務(wù)，直接獲得任務(wù)間的因果依賴關(guān)系和潛在并發(fā)關(guān)系。順序關(guān)系、因果依賴關(guān)系和潛在并發(fā)關(guān)系是所有任務(wù)關(guān)系的基礎(chǔ)，其它任務(wù)關(guān)系都從這三種關(guān)系推導(dǎo)出來(lái)。具體的預(yù)處理過(guò)程為從任務(wù)的順序關(guān)系獲得任務(wù)順序關(guān)系矩陣M1,該矩陣記錄了所有任務(wù)間的順序關(guān)系；然后，通過(guò)分析事件集獲得任務(wù)間的因果依賴關(guān)系并生成因果依賴關(guān)系矩陣，并通過(guò)隱式因果依賴關(guān)系區(qū)分因果依賴關(guān)系矩陣中的顯式依賴關(guān)系和隱式因果依賴關(guān)系，計(jì)算出修正后的因果依賴關(guān)系矩陣M2 (該矩陣中1表示顯式因果依賴， 2表示隱式因果依賴)；再通過(guò)分析事件集獲得任務(wù)間的潛在并發(fā)關(guān)系矩陣，通過(guò)并發(fā)關(guān)系往該矩陣中，最終得到潛在并發(fā)關(guān)系與并發(fā)關(guān)系矩陣M3(該矩陣中1并發(fā)關(guān)系，2表示潛在并發(fā)關(guān)系)。在預(yù)處理中，因果依賴關(guān)系和潛在并發(fā)關(guān)系都是從事件日志中以直接的方式獲得的。通過(guò)分析因果關(guān)系矩陣M2和潛在并發(fā)關(guān)系與并發(fā)關(guān)系矩陣M3,獲得初始任務(wù)關(guān)系集\，初始任務(wù)關(guān)系集\的每個(gè)元素由前驅(qū)任務(wù)集和后繼任務(wù)集構(gòu)成，前驅(qū)任務(wù)集中的每個(gè)任務(wù)都與后繼任務(wù)集中的每個(gè)任務(wù)存在因果依賴關(guān)系，而前驅(qū)任務(wù)集和后繼任務(wù)集中的元素之間存在非并發(fā)關(guān)系。對(duì)初始任務(wù)關(guān)系集Xw進(jìn)行修正，計(jì)算出修正任務(wù)關(guān)系集該發(fā)明屬于工作流領(lǐng)域中的工作流挖掘技術(shù)，工作流挖掘是從事件日志(執(zhí)行序列)中反推出過(guò)程模型的技術(shù)，在反推流程中要對(duì)任務(wù)關(guān)系進(jìn)行分析和處理，然后依據(jù)任務(wù)關(guān)系反推過(guò)程模型的結(jié)構(gòu)。針對(duì)初始任務(wù)關(guān)系集\中包含的顯式因果依賴關(guān)系和隱式因果依賴關(guān)系的元素需要進(jìn)一步分析。如果刪除該元素與隱式因果依賴關(guān)系有關(guān)的所有任務(wù)之后，該元素的前驅(qū)任務(wù)集不為空而后繼任務(wù)集為空，就說(shuō)明該元素過(guò)度合并，需要將顯式因果依賴關(guān)系和隱式因果依賴關(guān)系分割開(kāi)來(lái)，具體的分割方式為將前驅(qū)任務(wù)集的隱式因果依賴關(guān)系的任務(wù)與顯式因果依賴關(guān)系的任務(wù)劃分為兩個(gè)任務(wù)集，然后分別與該元素的后繼任務(wù)集重組以形成兩個(gè)新的任務(wù)關(guān)系元素。本發(fā)明的有益效果是該方法不僅提升了工作流挖掘方法的挖掘能力(能夠挖掘出隱式庫(kù)所結(jié)構(gòu))，而且簡(jiǎn)化挖掘因果依賴關(guān)系和潛在并發(fā)關(guān)系的過(guò)程。因?yàn)殡[式庫(kù)所不影響工作流模型的行為，所以當(dāng)前所有的過(guò)程挖掘方法都不關(guān)注這一特殊結(jié)構(gòu)。但隱式庫(kù)所顯示出任務(wù)間的冗余關(guān)系，這在某種程度上會(huì)有性能和安全隱患。該方法第一次關(guān)注了隱式庫(kù)所結(jié)構(gòu)，它可以挖掘出部分的隱式庫(kù)所結(jié)構(gòu)，這可以為工作流模型的分析、驗(yàn)證和監(jiān)控提供更好的支持。本發(fā)明與現(xiàn)有方法相比通過(guò)在工作流日志中引入后繼任務(wù)，設(shè)計(jì)基于后繼任務(wù)的關(guān)系預(yù)處理流程和方法，并組成完整的基于后繼任務(wù)的工作流挖掘方法，該方法不僅能擴(kuò)展工作流挖掘方法的可挖掘能力，而且能簡(jiǎn)化挖掘工作流模型中的因果依賴關(guān)系(含顯式因果依賴關(guān)系與隱式因果依賴關(guān)系)和潛在并發(fā)關(guān)系。


圖1為基于后繼任務(wù)的工作流挖掘方法的流程圖。圖2為基于后繼任務(wù)的工作流挖掘方法的主要流程。圖3為任務(wù)間關(guān)系預(yù)處理方法。圖4為本發(fā)明實(shí)例中獲得的任務(wù)間順序關(guān)系矩陣。圖5為本發(fā)明實(shí)例中獲得的任務(wù)間因果關(guān)系矩陣(含顯式因果依賴關(guān)系與隱式因果依賴關(guān)系)。圖6為本發(fā)明實(shí)例中獲得的任務(wù)間潛在并發(fā)關(guān)系與并發(fā)關(guān)系矩陣。圖7為本發(fā)明實(shí)例挖掘出的工作流過(guò)程模型。圖8為本發(fā)明實(shí)例能挖掘的工作流模型，該模型包含隱式庫(kù)所。
具體實(shí)施例方式本發(fā)明主要是使用新的事件類型并通過(guò)任務(wù)間關(guān)系預(yù)處理獲得日志中的所有任務(wù)間關(guān)系，以及在α方法的基礎(chǔ)上添加了對(duì)任務(wù)關(guān)系集的修正步驟。該挖掘方法整體流程如圖1所示。其具體實(shí)施如下1、該方法的主要流程如圖2上半部分所示。(1)第1步，初始化該流程的返回值N(Petri網(wǎng)描述的工作流模型)，依據(jù)Petri 網(wǎng)的結(jié)構(gòu)定義，N由庫(kù)所集Pw、任務(wù)集Tw和弧線集Fw構(gòu)成。(2)第2步，分析事件日志計(jì)算出任務(wù)集Tw(日志中所包含的所有名稱不同的任務(wù))，每個(gè)執(zhí)行軌跡σ的起始任務(wù)集T1和結(jié)束任務(wù)集 ^。
C3)第3步，調(diào)用relation^·印rocess過(guò)程對(duì)任務(wù)關(guān)系進(jìn)行預(yù)處理，該過(guò)程返回因果依賴關(guān)系矩陣和潛在并發(fā)關(guān)系與并發(fā)關(guān)系矩陣。(4)第4步，根據(jù)relation^·印rocess生成的因果依賴關(guān)系矩陣M2和潛在并發(fā)關(guān)
系與并發(fā)關(guān)系矩陣M3生成初始任務(wù)關(guān)系集)(w，其元素可表示為 < 前驅(qū)任務(wù)集，后繼任務(wù)集>。(5)第5步，檢測(cè)初始關(guān)系任務(wù)集中同時(shí)包含顯式因果依賴關(guān)系與隱式因果依賴關(guān)系的元素并在必要時(shí)做出相應(yīng)的修正，以生成修正任務(wù)關(guān)系集X' ff0將前驅(qū)任務(wù)集PS和后繼任務(wù)集SS分別分割成PS'、PS"和SS'、SS"，若PS'和PS"非空而SS"為空，則說(shuō)明該元素存在過(guò)度合并的情況，需要將該元素分割成<PS'，SS>和<PS"，ss>。(6)第6步，通過(guò)刪除X' w中冗余的元素，計(jì)算出最終的任務(wù)關(guān)系集Yw。(7)第7步，計(jì)算出工作流模型的庫(kù)所集Pw，其元素為Yw中的元素、起始庫(kù)所和結(jié)束庫(kù)所的集合。(8)第8步，根據(jù)Pw和Yw獲得工作流模型的變遷弧集Fw。(9)最后一步，返回工作流模型N。2、該方法的relation^·印rocess過(guò)程如圖2下半部分，該過(guò)程應(yīng)用圖3所描述的任務(wù)間關(guān)系預(yù)處理方法。(1)第1步，應(yīng)用順序關(guān)系，分析事件日志并獲得順序關(guān)系矩陣虬。(2)第2步，首先，應(yīng)用因果依賴關(guān)系分析事件日志中的所有事件，獲得因果依賴關(guān)系矩陣禮；然后，應(yīng)用隱式因果依賴關(guān)系和M1往矩陣M2中加入隱式因果依賴關(guān)系，使得M2 矩陣可以區(qū)分顯式因果依賴和隱式因果依賴。(3)第3步，首先，應(yīng)用潛在并發(fā)關(guān)系分析事件日志中的所有事件，計(jì)算出潛在并發(fā)關(guān)系與并發(fā)關(guān)系矩陣M3 ；然后，應(yīng)用并發(fā)關(guān)系和M1往矩陣M3中加入并發(fā)關(guān)系，使得M3矩陣含有真實(shí)存在并發(fā)關(guān)系的任務(wù)信息。下面通過(guò)具體的實(shí)例來(lái)說(shuō)明本發(fā)明的實(shí)施。本發(fā)明的實(shí)例將從事件日志中挖掘出圖7的工作流模型，該模型由11個(gè)庫(kù)所、11 個(gè)變遷構(gòu)成。表1為實(shí)驗(yàn)程序的事件日志，該事件日志將作為本發(fā)明實(shí)例的輸入數(shù)據(jù)。表1實(shí)驗(yàn)程序的事件日志
權(quán)利要求
1.基于后繼任務(wù)的工作流挖掘方法，其特征是基于事件日志的工作流挖掘，它以事件日志為輸入，以Petri網(wǎng)描述的工作流模型為輸出結(jié)果；該方法引入事件類型使得工作流日志中含有當(dāng)前任務(wù)的后繼任務(wù)，后繼任務(wù)是指當(dāng)前任務(wù)執(zhí)行完成后將執(zhí)行權(quán)限轉(zhuǎn)交給的任務(wù)的集合；該方法具體包含以下步驟(1)設(shè)置要挖掘的工作流過(guò)程模型初值N= (Pff, Tff, Fw)，其中Pw = Tw = Fw = Φ ；(2)分析事件日志W(wǎng)，計(jì)算出任務(wù)集Tw、起始任務(wù)T1和結(jié)束任務(wù)Ttj；(3)調(diào)用relation^·印rocess過(guò)程獲得因果關(guān)系矩陣M2和潛在并發(fā)關(guān)系與并發(fā)關(guān)系矩陣M3 ；(4)根據(jù)矩陣M2和M3,計(jì)算出初始任務(wù)關(guān)系集\；(5)對(duì)初始任務(wù)關(guān)系集)(w進(jìn)行修正，計(jì)算出修正任務(wù)關(guān)系集X'ff；(6)去除修正任務(wù)關(guān)系集X'w中的冗余元素，計(jì)算出最終任務(wù)關(guān)系集Yw;(7)根據(jù)Yw，計(jì)算出庫(kù)所集Pw;(8)根據(jù)Yw和Pw，計(jì)算出弧線集Fw；(9)返回Petri網(wǎng)描述的工作流過(guò)程模型N。
2.根據(jù)權(quán)利要求1基于后繼任務(wù)的工作流挖掘方法，其特征是步驟(2)調(diào)用 relation^·印rocess過(guò)程做任務(wù)間關(guān)系預(yù)處理，計(jì)算出因果關(guān)系矩陣M2和潛在并發(fā)關(guān)系與并發(fā)關(guān)系矩陣M3,其具體包括以下步驟(1)將順序關(guān)系應(yīng)用于事件日志W(wǎng)，計(jì)算出順序關(guān)系矩陣M1，該矩陣記錄了所有任務(wù)間的順序關(guān)系；(2)使用因果依賴關(guān)系(含顯式因果依賴關(guān)系與隱式因果依賴關(guān)系)，再依據(jù)順序關(guān)系矩陣M1,劃分顯式因果依賴關(guān)系和隱式因果依賴關(guān)系，從而計(jì)算出因果依賴關(guān)系矩陣M2;(3)使用潛在并發(fā)關(guān)系、并發(fā)關(guān)系和順序關(guān)系矩陣M1，計(jì)算出潛在并發(fā)關(guān)系與并發(fā)關(guān)系矩陣M3。
3.根據(jù)權(quán)利要求1所述的基于后繼任務(wù)的工作流挖掘方法，其特征是在步驟(4)中， 對(duì)初始任務(wù)關(guān)系集\進(jìn)行修正。初始任務(wù)關(guān)系集)(w中的元素是由 < 前驅(qū)任務(wù)集，后繼任務(wù)集 > 構(gòu)成，其中前驅(qū)任務(wù)集中的每個(gè)任務(wù)都與后繼任務(wù)集中的每個(gè)任務(wù)存在因果依賴關(guān)系(包含顯式因果依賴關(guān)系與隱式因果依賴關(guān)系)，而前驅(qū)任務(wù)集和后繼任務(wù)集之中的任務(wù)之間存在非并發(fā)關(guān)系。應(yīng)用修正步驟將初始任務(wù)關(guān)系集) 中那些過(guò)度合并的元素進(jìn)行重新分割以獲得修正任務(wù)關(guān)系集χ' w ；該修正步驟只針對(duì)\中同時(shí)含有顯式因果依賴關(guān)系和隱式因果依賴關(guān)系的元素；該修正步驟又可分為如下兩步驟(ι)判斷步驟首先，刪除該元素中與隱式因果依賴關(guān)系有關(guān)的所有任務(wù)；如果該元素的前驅(qū)任務(wù)集不為空而后繼任務(wù)集為空，就說(shuō)明該元素存在過(guò)度合并的情況，需要執(zhí)行分割步驟；(2)分割步驟將前驅(qū)任務(wù)集的隱式因果依賴關(guān)系的任務(wù)與顯式因果依賴關(guān)系的任務(wù)劃分為兩個(gè)任務(wù)集，然后分別與該元素的后繼任務(wù)集重組以形成兩個(gè)新的任務(wù)關(guān)系元素。
4.根據(jù)權(quán)利要求2所述的基于后繼任務(wù)的工作流挖掘方法，其特征是需要使用若干任務(wù)間關(guān)系預(yù)處理方法假設(shè)W是基于E的工作流日志，其中Ε = τ[θ](θ e Τ*)0假設(shè)任務(wù)a，b e Τ，那么可以獲得如下的任務(wù)關(guān)系(1)因果依賴關(guān)系(標(biāo)記為在a[e]e σ件下，若存在σ e W，b e θ，則任務(wù)b依賴于任務(wù)a;(2)潛在并發(fā)關(guān)系(標(biāo)記為如果滿足以下條件，任務(wù)a和任務(wù)b在W中有潛在的并發(fā)關(guān)系；a)在t[θ ] e σ條件下，存在a e θ且^^ G θ ;b)在t e τ，t[ θ J G σ t[ θ2] e O2J. O1, O2 e W 的條件下，不存在 a e θ” b00Rb e θ 2， α0θ2。(3)隱式因果依賴關(guān)系(標(biāo)記為—wb)當(dāng)且僅當(dāng)在W中，存在a^w 6并且不存在β〉wb ο
5.根據(jù)權(quán)利要求1或2所述的基于后繼任務(wù)的工作流挖掘方法，其特征是具體流程是輸入W= {0l，σ2，...}帶后繼任務(wù)的事件日志； 輸出N = (Pff, Tff, Fff)以Petri網(wǎng)描述的工作流模型； 再進(jìn)行基于后繼任務(wù)的工作流挖掘。
全文摘要
基于后繼任務(wù)的工作流挖掘方法，基于事件日志的工作流挖掘，它以事件日志為輸入，以Petri網(wǎng)描述的工作流模型為輸出結(jié)果；該方法引入事件類型使得工作流日志中含有當(dāng)前任務(wù)的后繼任務(wù)，后繼任務(wù)是指當(dāng)前任務(wù)執(zhí)行完成后將執(zhí)行權(quán)限轉(zhuǎn)交給的任務(wù)的集合；包含以下步驟(1)設(shè)置要挖掘的工作流過(guò)程模型初值；(2)分析事件日志W(wǎng)，計(jì)算出任務(wù)集TW、起始任務(wù)TI和結(jié)束任務(wù)TO；(3)調(diào)用relationPreprocess過(guò)程獲得因果關(guān)系矩陣M2和潛在并發(fā)關(guān)系與并發(fā)關(guān)系矩陣M3；(4)根據(jù)矩陣M2和M3，計(jì)算出初始任務(wù)關(guān)系集XW；本發(fā)明組成完整的基于后繼任務(wù)的工作流挖掘方法。
文檔編號(hào)G06Q10/00GK102332125SQ201110349828
公開(kāi)日2012年1月25日 申請(qǐng)日期2011年11月8日 優(yōu)先權(quán)日2011年11月8日
發(fā)明者王棟毅, 胡昊, 葛季棟, 駱斌 申請(qǐng)人:南京大學(xué)