基于表示学习的业务过程模型匹配方法

近年来过程感知信息系统在各类企事业单位中得到了极大的普及,产生了大量业务过程模型,如何对海量业务过程模型进行有效管理成为业务过程管理领域中的重要任务.业务过程模型匹配是海量业务过程模型管理的一项关键技术,然而大多数过程模型匹配方法仅依赖于活动标签信息,在匹配精度上还有一定欠缺.为此提出一种基于表示学习的过程模型匹配方法.首先基于业务过程模型中蕴含的上下文信息和关系信息将业务过程模型中各个活动表示为多维实数向量;在此基础上,设计了一个向量空间映射模型,将不同过程模型中的活动向量进行映射,进而实现过程模型中的活动匹配.基于公开数据集的实验结果表明,所提方法相对于传统的基于语法、语义、过程模型结构的匹配方法具有一定的优势.     

基于Petri网的业务流程低频行为挖掘与优化分析

低频行为的挖掘是业务流程管理的重要内容之一,区分有效低频和噪音在业务流程优化中显得尤为重要。已有挖掘方法多是从数据属性研究低频行为,较少根据不同模块间的行为属性来分析低频行为,由此提出基于Petri网的业务流程低频行为的挖掘与优化方法。首先,通过用流程树切的直接流图表示日志的行为关系,并与初始模型做匹配,发现所有的低频序列;然后,计算日志与模型的行为距离向量,基于行为紧密度区分有效低频日志和噪音日志,优化事件日志;其次,利用不包含噪音序列的事件日志通过融合交互模块网与特征网,挖掘得到一个优化的业务流程模型;最后,通过具体的实例分析和仿真实验验证了该方法的有效性。     

基于可扩展活动关系的过程概念漂移检测

为了发现过程模型漂移的时间点,提出一种基于活动关系频繁度的日志分割方法。事件日志可以用活动关系抽象表示。通过关系抽取将事件日志转化为活动关系矩阵,然后分析每个活动关系的变化趋势并检测出候选变更点将所有候选变更点通过密度聚类的方式进行合并,得到模型漂移的时间点。在人工生成日志上的实验结果表明,算法具有良好的准确率、较小的误差和较低的时间消耗。     

基于行为校验与偏差组合的过程模型修复

模型修复通过对偏差行为的合理调整,改善事件日志与业务流程之间的一致性性能.采用自循环插入方式对日志中可观测的偏差活动进行模型修复,将优先考虑适合度的提升而忽视精度.为获得事件日志与过程模型之间不可回放的行为模式,根据行为关系将其可达活动图表划分为若干个片段并进行服从性校验.利用回放过程中行为模式所产生的最优对齐检测偏差的发生、位置以及潜在行为关系,将具有直接跟随关系的偏差元素构建为可修复的子结构,从而通过减少事件日志中的偏差个数而改善精度.通过实验使用M-repair插件在不同数据集上进行评估,结果表明该方法相较于现存方法在保证适合度的前提下可显著提升精度.     

基于XLNet的业务流程下一活动预测方法

预测性业务流程监控侧重于使用事件日志预测正在运行流程的未来特征，针对大多数现有业务流程预测方法的缺点，例如无法捕获序列的长距离依赖、只能单向利用序列信息，提出一种基于XLNet的业务流程下一活动预测方法。该方法实现了长程记忆，并采用注意力掩码重构事件序列，以利用序列的双向信息。通过在4个公开数据集上进行评估表明，该方法的平均准确率具有优越性，且在日志记录充分时，该方法对业务流程下一活动的预测准确率较高，可为业务流程管理系统提供实时的决策依据。     

基于时间扩展UML活动图的工作流过程建模方法

为了严格管理与控制业务流程中的时间,对统一建模语言活动图进行了时间约束的扩展,充分考虑活动中资源的到来时间、资源有效时间、活动延迟时间、跃迁有效时间、延迟时间和活动截止时间共六种时间因素,建立基于时间统一建模语言活动图的工作流过程模型,并给予语义形式描述,增强了时间管理的全面性。鉴于时间复杂性,提出基于等待状态事件触发活动转移路由,解决了循环活动事件时间计算的问题。为了检验该方法的正确性、有效性和时间一致性,对Petri网时间验证方法进行了改进。通过对实例建模,验证了所提方法的合理性。     

基于Spark的并行分布式过程挖掘算法

针对传统的过程发现算法对大规模事件日志挖掘效率低的问题,提出一种利用Spark集群进行加速过程挖掘的方法。该方法主要针对基于日志活动关系的过程挖掘算法,对抽取活动关系阶段进行加速。通过并行分布式抽取活动关系,将事件日志转化为活动关系矩阵。然后利用关系矩阵,按算法原本的后续步骤,挖掘出过程模型。利用Spark实现分布式α-Mine算法和分布式Flexible Heuristic Miner算法,结果表明:所提方法在时间消耗上优于目前最好的算法,挖掘效率明显提升。     

基于执行者过程树的双维度遗传过程挖掘方法

事件日志记录数量众多的事件,不仅包含与活动控制流相关的内容,还记录有关活动执行者的信息,即组织维度信息.控制流发现算法从事件日志中自动构建控制流过程模型,组织维度发现算法则构建社交网络模型.如果能合并两种维度,在同一个模型中进行展示,则能够提供更完整的过程组织视图,有助于更准确地对过程以及组织进行分析.因此,提出一种基于执行者过程树的双维度遗传过程挖掘方法(BdSm).一方面,使用Induc-tive Miner预挖掘以优化遗传挖掘算法初始种群,达到生成高质量的控制流模型的目的;另一方面提出日志中活动之间距离的度量方法,能有效度量活动在组织层面的相似度,同时使用执行者信息扩充控制流过程模型,基于执行者过程树生成双维度的过程模型.通过模拟日志以及4个公开事件日志集对所提方法进行验证,结果表明,在控制流维度,所提方法能够生成较高综合质量的过程模型,同时借助组织维度信息,还能够发现典型的工作模式及组织结构.     

基于二部网络表示学习的矩阵分解推荐算法

矩阵分解算法广泛应用于推荐系统。然而,其性能往往受到数据稀疏性和数据高维度的影响,且较少考虑项目的内容信息。针对上述问题,提出一种联合二部网络表示学习的矩阵分解推荐算法(BiNRMF)。首先,利用评分信息和项目的标签信息构建两个二部网络;然后,通过二部网络的表示学习算法得到用户和项目的低维向量表示,用以计算用户之间和项目之间的相似性;最后,改进传统矩阵分解模型,融入低维向量空间中用户的相似关系和项目的相似关系。在GoodBooks和MovieLens数据集上的实验结果表明,与经典的推荐算法相比,联合二部网络表示学习的矩阵分解推荐算法的预测精度有显著提升。     

业务流程中一种个性化的任务完成时间预测方法

为实现业务流程中人力资源的有效管理与调度,提出一种个性化任务完成时间的预测方法。该方法首先分析了业务流程的历史日志,对资源的状态和能力进行了建模与评估;然后,采用支持向量机回归的方法,发挥其"柔性边界"和核函数的特点,对日志数据进行预处理、模型训练及参数优化,再结合资源当前的状态和历史能力对资源完成任务的时间进行实时预测。同时考虑了稀疏数据集问题的处理。实验表明,在日志记录充分时,尤其是在完成时间波动较大的情况下,该方法的预测结果能达到较高的准确率,可为资源管理、任务分派等过程提供实时的决策依据。     

基于工作流模式的BPMN过程模型验证方法

针对业务流程建模符号过程模型语义验证问题,提出了一种新方法.该方法基于正确的业务流程建模符号过程模型是工作流模式的合理组合的理念,通过扩展和改进业务流程建模符号及其执行语义,设计了工作流模式的形式化编码规则;借鉴Petri网化简方法,设计了工作流模式组合化简规则;基于工作流模式编码及组合化简规则,给出了业务流程建模符号过程模型验证方法.应用示例表明了该方法的有效性.     

诊疗活动向量化表示研究

诊疗活动是诊疗过程的基本元素,诊疗活动向量可以应用于诊疗活动聚类、患者聚类等任务。以把握和利用诊疗活动"局部无序,全局有序"的数据特点为出发点,结合医学先验知识,提出了诊疗活动向量化表示方法CA2Vec。提出了诊疗活动向量化学习的数据处理过程框架;加入了下一个诊疗日的诊疗活动和诊断结果信息,使得所提诊疗活动向量化学习模型相比于经典模型,获得了更丰富的上下文信息;提出了基于诊断结果约束的诊疗活动负采样方法。以SNOMED-CT本体和ICD-10编码医学知识为依据设计了评估实验,并在基于特定诊疗活动的聚类、基于本体的相似性度量、基于诊疗活动类型的相关度度量、基于特定病种的分类准确度度量、基于患者向量的聚类准确度度量这几个任务上进行了对比实验。实验证明,相比其他已有的先进的词向量化学习模型,CA2Vec方法有效把握了诊疗活动的相关关系,总体上有更高的准确度。     

支持复杂结构的混成过程挖掘方法

为解决传统过程挖掘算法在处理蕴含复杂结构的海量日志时的低效低质问题,提出一种支持复杂结构的混成过程挖掘方法。该方法首先将事件日志转化为具有发生次数的直接后继图,以支持活动间基本关系的判定;通过过程树对已发现的两两活动间的基本关系进行抽象与合并,进而对日志进行更新,反复迭代直到整个日志中的所有具有基本关系的活动被全部发现。若待发现模型由基本块组成,则挖掘结果为基于块的过程模型;若待发现模型包含复杂结构,则通过混成使用基于区域的方法对复杂结构进行发现。最终利用活动重构操作对挖掘结果中已抽象为过程树的部分进行细化,从而获得最终结果。为了进一步提升挖掘效率,还提出并行化的发现与重构方法。大量基于真实数据的实验结果表明,该方法的挖掘效率和挖掘精确度达到了较好的水平。     

基于Petri网的位置敏感工作流建模与正确性验证方法。

针对移动业务过程中对位置信息建模和分析的需求,结合目前已有的工作流建模方法,提出一种针对位置敏感工作流进行建模和正确性验证的方法。该模型以工作流网为基础,结合6种描述位置之间关系的原语,以位置约束的形式定义业务流程中的位置信息及其与活动之间的关系,然后基于Petri网的状态可达图得出对所建立模型进行正确性检查的方法。基于ProM平台开发了一个位置敏感工作流的建模工具,验证了所提建模方法的可行性和算法的正确性。     

基于Artifact生命周期的业务流程一致性检查

为检查业务流程日志中对关键业务数据的操作和预定义模型中的操作是否存在偏差,提出一种基于Artifact生命周期的业务流程一致性检查方法。基于Petri网建立了业务流程关键数据Artifact的生命周期模型。给出Artifact实例日志,采用A*算法查找日志中的Artifact实例轨迹与模型中活动序列的最佳对齐,计算活动—属性关联拟合度。最后,实现了一个原型系统,结果表明以数据为中心进行一致性检查为流程分析和改进提供了有效的方法。     

一种基于滑窗的增量式过程挖掘算法

传统过程挖掘算法是针对静态模型和静态日志进行设计的,不能直接用于演化过程的发现.为此,提出了一种过程挖掘算法,应用滑窗机制实现增量式算法设计,利用日志事件关系模型,引入日志事件关系计数和阈值机制,实现对事件日志流的持续挖掘,因而能够发现模型演化的历史及模型当前实际执行情况.分析了算法性质及相关参数的影响,并进行了实验验证.     

PDM实施中的业务流程建模

本文采用结构化系统分析方法DEF0对PDM实施过程中的业务流程进行分析,详细描述了业务流程分析过程中建立的模型,着重研究了其中信息概念模型的建模过程.     

基于过程代数的可变业务流程建模方法

为实现灵活的业务流程重组,提出了一种面向流程变化调整的业务流程模型。该模型从业务逻辑中抽取出流程相关性语义,用连接器的模式来实现一种可配置的流程属性。业务人员可以通过调整模型中的连接器对流程进行重新配置,从而实现业务流程重组的软件调整。给出了模型的过程代数描述,并介绍了建模步骤和流程调整方法。最后,以机场塔台调度流程的建模和调整过程为例,对相关问题进行了讨论。     

基于BPMN的业务流程一体化建模方法

为了给业务分析员提供一种简单易懂、直接支持计算机仿真和执行的可视化业务流程建模方法,提出了业务流程一体化建模概念及方法。该方法以业务分析员为本,用业务流程建模符号可视化描述业务流程,用非结构化方式存储业务流程;基于元素语义细分设计理念,完善了业务流程建模符号规范图形元素的显示语义,引入非图形元素Node,以明确业务流程执行语义,设计了描述业务流程模型的元模型结构及计算机仿真与执行机制。通过实际研发业务流程管理系统,验证了该方法的可行性。     

基于BPMN2.0的数控机床主传动系统动态能耗建模

选取数控机床的主要耗能子系统即主传动系统进行研究,针对其加工过程中能量消耗动态变化且难以规范化描述的特点,通过主传动系统能量消耗动态性的分析,提出了一种基于业务流程建模规范BPMN2. 0的数控机床主传动系统动态能耗建模方法。该方法利用BPMN2. 0的符号和语义对主传动系统不同能耗单元的执行流程、配合关系进行描述,并利用数据关联集成建立的业务流程建模规范(BPMN)能耗模型,实现了制造过程中数控机床主传动系统能耗动态性的图形化表达与能耗计算。最后,以某数控铣床加工过程为例,对所述模型及方法进行了应用,验证了其有效性与准确性。