一种业务流程相关性的判别方法和装置与流程

本发明涉及信息处理技术领域，尤其涉及一种业务流程相关性的判别方法和装置。

背景技术：

业务流程是公司的重要资产，对公司的运营和管理有着重要的作用。随着公司规模的不断扩大、管理日渐完善，越来越多的流程模型被创建，流程库中所存储的流程模型数据日益增多。例如，电信行业拥有大量的流程模型，包括查询服务流程、充值缴费流程、业务办理流程等。这些流程模型可以为企业提供竞争优势，但同时也对业务流程模型的管理带来一定的困难。为了适应新的需求，公司的流程建模人员要对某个业务的处理流程进行重新设计，在将新的流程加入到流程库之前，为了避免冗余，需要先把流程库中的相关流程都找出来逐一进行比较。

检索流程指的是要在流程库中进行检索的流程，相关流程指的是和检索流程存在某种联系的流程。一个检索流程要在流程库中找出与它相关的流程，需要确定检索流程和流程库中所有流程间的相关程度。现有技术判断两个流程是否相关是通过度量两个流程间的相似度来进行的，例如，给定一个阈值，相似度大于该阈值则两个流程相关，否则不相关。现有的流程相关性的判别方法大多只考虑了一个维度，然而事实上流程间的相关程度需要从不同维度进行分析。并且，现有的流程相关性的判别方法在计算出检索流程与流程库中所有流程间的相似度后，将流程库所有的流程按与检索流程的相似度从高到低进行排序，通常仅提供前N个流程为该检索流程的相关流程，而用户有时需要获取全部的相关流程与检索流程的相关性。

技术实现要素：

有鉴于此，本发明要解决的一个技术问题是提供一种业务流程相关性的判别方法和装置。

根据本发明的一个实施例，提供一种业务流程相关性的判别方法，包括：确定流程样本，并确定用于度量流程间相关性的业务权重特征，其中，业务权重特征包括：结构特征和行为关系特征；计算流程样本和流程库中的业务流程对于所述业务权重特征的关联特征值；确定用于标识所述流程样本和所述业务流程是否相似的关联目标值；基于所述关联特征值和所述关联目标值生成分类训练关系向量，根据所述分类训练关系向量进行分类训练获得分类模型；基于所述分类模型判别新业务流程与所述业务流程的相关性。

可选地，所述流程样本和所述业务流程为图形化的业务流程模型，包括：节点、用于将所述节点连接并具有方向的边；所述结构特征包括：替换节点、删除/插入节点、替换边、删除/插入边；所述行为关系特征包括：顺序关系、互斥关系、并发关系。

可选地，计算所述流程样本和流程库中的业务流程对于所述业务权重特征的关联特征值包括：确定对于替换节点或删除/插入节点的关联特征值fv1＝(|f1(Process1，Process2)|)/(|Node(Process 1)∪Node(Process2)|)；其中，Process1为所述流程样本，Process2为所述业务流程，f1(Process 1，Process 2)为Process1和Process2中相同的替换节点或删除/插入节点的集合的元素个数，Node(Process 1)为Process 1中的所有节点的集合的元素个数，Node(Process 2)为Process 2中的所有节点的集合中的元素个数，0≤fv1≤1。

可选地，计算所述流程样本和流程库中的业务流程对于所述业务权重特征的关联特征值包括：确定对于替换边或删除/插入边的关联特征值fv2＝(|f2(Process 1，Process2)|)/(|Edge(Process1)∪Edge(Process2)|)；其中，Process1为所述流程样本，Process2为所述业务流程，f2(Process 1，Process 2)为Process1和Process2中相同的替换边或删除/插入边的集合的元素个数，Edge(Process 1)为Process 1中的所有边的集合的元素个数，Edge(Process 2)为Process 2中的所有边的集合的元素个数，0≤fv2≤1。

可选地，计算所述流程样本和流程库中的业务流程对于所述业务权重特征的关联特征值包括：确定对于顺序关系、互斥关系或并发关系的关联特征值fv3＝(|f3(Process 1)∩f3(Process 2)|)/(|f3(Process1)∪f3(Process 2)|)；其中，Process1为所述流程样本，Process2为所述业务流程，f3(Process 1)为Process 1中的顺序关系、互斥关系或并发关系的集合的元素个数，Edge(Process 2)为Process 2中的顺序关系、互斥关系或并发关系的集合的元素个数，0≤fv3≤1。

可选地，基于所述关联特征值和所述关联目标值生成分类训练关系向量包括：设置流程样本集，计算所述流程样本集中的每个流程样本分别与业务流程库中的每个业务流程对于各个所述业务权重特征的关联特征值；确定每个流程样本分别与每个业务流程的关联目标值；生成每个流程样本分别与所述每个业务流程的所述分类训练关系向量，其中所述分类训练关系向量的元素包括：所述关联特征值、所述关联目标值。

可选地，通过所述分类模型判别新业务流程与所述业务流程的相关性包括：通过分类模型获取所述新业务流程与所述业务流程集中的每个业务流程的关联值，基于所述关联值判断是否相关。

可选地，所述图形化的业务流程模型包括：Petri网模型；所述关联目标值为1或0，其中，1表明相关联，或0表明非关联。

根据本发明的另一方面，提供一种业务流程相关性的判别装置，包括：样本设置模块，用于确定流程样本；特征确定模块，用于确定用于度量流程间相关性的业务权重特征，其中，所述业务权重特征包括：结构特征和行为关系特征；特征值计算模块，用于计算所述流程样本和流程库中的业务流程对于所述业务权重特征的关联特征值；目标值确定模块，用于确定用于标识所述流程样本和所述业务流程是否相似的关联目标值；模型训练模块，用于基于所述关联特征值和所述关联目标值生成分类训练关系向量，根据所述分类训练关系向量进行分类训练获得分类模型；关联判别模块，用于基于所述分类模型判别新业务流程与所述业务流程的相关性。

可选地，所述流程样本和所述业务流程为图形化的业务流程模型，包括：节点、用于将所述节点连接并具有方向的边；所述结构特征包括：替换节点、删除/插入节点、替换边、删除/插入边；所述行为关系特征包括：顺序关系、互斥关系、并发关系。

可选地，所述特征值计算模块，还用于确定对于替换节点或删除/插入节点的关联特征值fv1＝(|f1(Process1，Process2)|)/(|Node(Process1)∪Node(Process 2)|)；其中，Process1为所述流程样本，Process2为所述业务流程，f1(Process 1，Process 2)为Process1和Process2中相同的替换节点或删除/插入节点的集合的元素个数，Node(Process 1)为Process1中的所有节点的集合的元素个数，Node(Process 2)为Process 2中的所有节点的集合中的元素个数，0≤fv1≤1。

可选地，所述特征值计算模块，还用于确定对于替换边或删除/插入边的关联特征值fv2＝(|f2(Process 1，Process2)|)/(|Edge(Process1)∪Edge(Process 2)|)；其中，Process1为所述流程样本，Process2为所述业务流程，f2(Process 1，Process 2)为Process1和Process2中相同的替换边或删除/插入边的集合的元素个数，Edge(Process 1)为Process 1中的所有边的集合的元素个数，Edge(Process 2)为Process 2中的所有边的集合的元素个数，0≤fv2≤1。

可选地，所述特征值计算模块，还用于确定对于顺序关系、互斥关系或并发关系的关联特征fv3＝(|f3(Process 1)∩f3(Process 2)|)/(|f3(Process 1)∪f3(Process 2)|)；其中，Process1为所述流程样本，Process2为所述业务流程，f3(Process 1)为Process 1中的顺序关系、互斥关系或并发关系的集合的元素个数，Edge(Process 2)为Process 2中的顺序关系、互斥关系或并发关系的集合的元素个数，0≤fv3≤1。

可选地，所述样本设置模块，还用于设置流程样本集；所述特征值计算模块，用于计算所述流程样本集中的每个流程样本分别与业务流程库中的每个业务流程对于各个所述业务权重特征的关联特征值；所述模型训练模块，用于确定每个流程样本分别与每个业务流程的关联目标值；生成每个流程样本分别与所述每个业务流程的所述分类训练关系向量，其中所述分类训练关系向量的元素包括：所述关联特征值、所述关联目标值。

可选地，所述关联判别模块，还用于通过分类模型获取所述新业务流程与所述业务流程集中的每个业务流程的关联值，基于所述关联值判断是否相关。

可选地，所述图形化的业务流程模型包括：Petri网模型；所述关联目标值为1或0，其中，1表明相关联，或0表明非关联。

本发明的业务流程相关性的判别方法和装置，在相关性判决中融合了结构和行为两个维度，确定代表结构和行为维度的业务权重特征并计算流程的关联特征值，基于关联特征值和关联目标值进行分类训练生成分类模型，通过分类模型判别新业务流程与业务流程的相关性，通过对于流程的相似度检索进行预处理工作，可以提高相似度检索以及相关性判决的准确率和效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为根据本发明的业务流程相关性的判别方法的一个实施例的流程示意图；

图2A为采用Petri网模型建模的流程样本示意图，图2B为采用Petri网模型建模的业务流程示意图；

图3A为特征向量的示意图，图3B为分类训练关系向量的示意图；

图4为根据本发明的业务流程相关性的判别方法的另一个实施例的流程示意图；

图5为根据本发明的业务流程相关性的判别装置的一个实施例的模块示意图。

具体实施方式

下面参照附图对本发明进行更全面的描述，其中说明本发明的示例性实施例。下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。下面结合各个图和实施例对本发明的技术方案进行多方面的描述。

图1为根据本发明的业务流程相关性的判别方法的一个实施例的流程示意图，如图1所示：

步骤101，确定流程样本，并确定用于度量流程间相关性的业务权重特征，业务权重特征包括：结构特征和行为关系特征。

步骤102，计算流程样本和流程库中的业务流程对于业务权重特征的关联特征值。

步骤103，确定用于标识流程样本和业务流程是否相似的关联目标值。

步骤104，基于关联特征值和关联目标值生成分类训练关系向量，根据分类训练关系向量进行分类训练获得分类模型。

步骤105，基于分类模型判别新业务流程与业务流程的相关性。

流程样本和业务流程可以为图形化的业务流程模型，包括：节点、用于将节点连接并具有方向的边。可以采用多种模型进行建模获取流程样本、业务流程等。如图2A、2B所示，Process 1和Process 2为用Petri网建模的流程模型，其中方形节点代表变迁，表示任务或事件，如Process 1中的A，B，C，D，E，F节点；圆形节点代表库所，表示状态或条件，如Process 1中的P1，P2，P3，P4，P5，P6，P7节点；有向弧是库所和变迁之间连接的边，如Process 1中的P1→A，A→P2。

度量两个流程间的相关程度通常考虑以下维度：

(1)节点标签相似度，即基于两个流程模型间对应的任务节点和其他节点标识之间的相似度。流程模型中主要元素是各种节点，节点的标签名在一定程度上能表达出该流程节点的相关功能及应用领域。

(2)结构相似度：流程的拓扑结构主要体现了流程中的各个业务逻辑单元式通过何种逻辑关系相互连接起来的，它在很大程度上决定了流程中的相关业务数据以及控制流的运转方向。

(3)行为相似度：流程的行为最能体现实际运行中流程中各个活动的依赖关系。

流程的结构表示它是以何种拓扑结构来对节点和边进行连接的，是流程的一个重要特征。图编辑距离是衡量结构相似性的一种很好的方式，主要从替换节点、替换边、删除节点、删除边、插入节点、插入边六个特征来考量。本发明从结构和行为两个维度考虑，确定的结构特征包括：替换节点、删除/插入节点、替换边、删除/插入边。行为关系特征包括：顺序关系、互斥关系、并发关系。

替换节点：来自两个流程图中的两个节点是替换节点，则意味着这对节点存在某种对应关系。一般这种对应关系都是节点标签间的相似性，可以用文本相似度或者语义相似度来计算。节点标签间的相似性越大，则这对节点越有可能成为替换节点。删除/插入节点：在识别出两个流程中的替换节点后，剩余的节点就是删除或者插入的节点。

替换边：在流程图中，一条边的左右两端分别对应两个节点，称为左节点和右节点。如果来自两个流程中的两条边是替换的，则这两条边的左节点是替换节点且右节点也是替换节点。删除/插入边：流程图中的边是删除或者插入边，则该边对应的左节点不是替换节点，或者右节点不是替换节点，或者左节点和右节点都不是替换节点。

行为是流程图很重要的维度，主要描述了一个流程中的各个任务节点之间是以什么样的关系顺序执行的：顺序、选择(互斥)、并发关系。顺序关系：一个流程中的两个任务节点的执行关系是顺序的，也就是其中一个任务先执行，另一个任务要在这个任务执行完成后才能执行。选择(互斥)关系：如果一个流程中的两个任务节点是选择关系，这意味着流程会选择两个任务节点中的一个节点执行而不执行另一个。在用Petri网建模的流程中，两个任务节点(变迁)是选择关系，则它们有共同的前驱库所，随后马上分成两条支路。并行关系：如果一个流程中的两个任务节点间的执行关系既不是顺序关系也不是选择关系，则它们之间是并行关系。也就是两个任务节点之间可以同时执行。

在一个实施例中，两个流程“Process 1”和“Process 2”对应替换节点或删除/插入节点的关联特征值：

fv1＝(|f1(Process1，Process2)|)/(|Node(Process 1)∪Node(Process2)|)；(1)

Process1为流程样本，Process2为业务流程，f1(Process 1，Process 2)为Process1和Process2中相同的替换节点或删除/插入节点的集合的元素个数，Node(Process 1)为Process 1中的所有节点的集合的元素个数，Node(Process 2)为Process 2中的所有节点的集合中的元素个数，0≤fv1≤1。

确定对于替换边或删除/插入边的关联特征值：

fv2＝(|f2(Process 1，Process2)|)/(|Edge(Process1)∪Edge(Process2)|)；(2)

f2(Process 1，Process 2)为Process1和Process2中相同的替换边或删除/插入边的集合的元素个数，Edge(Process 1)为Process 1中的所有边的集合的元素个数，Edge(Process 2)为Process 2中的所有边的集合的元素个数，0≤fv2≤1。

每个流程都有自己的行为，因此两个流程的行为相似性可以用行为交集数目大小来衡量。确定对于顺序关系、互斥关系或并发关系的关联特征值：

fv3＝(|f3(Process 1)∩f3(Process 2)|)/(|f3(Process 1)∪f3(Process 2)|)(3)

f3(Process 1)为Process 1中的顺序关系、互斥关系或并发关系的集合的元素个数，Edge(Process 2)为Process 2中的顺序关系、互斥关系或并发关系的集合的元素个数，0≤fv3≤1。从公式(3)可以看到，两个流程对于同一个特征的特征值同时取决于它们行为特征的交集数和并集数。

Process 1与Process 2的替换节点为{A，B，C，D，P1，P2，P3，P4，P5，P6}，其中{A，B，C，D}是替换的变迁，{P1，P2，P3，P4，P5，P6，P7}是替换的库所。删除/插入节点为{E，P7，F，G，P8，H}。

替换边为{P1→A，A→P2，P2→B，B→P3，P3→D，D→P6，A→P4，P4→C，C→P5，P5→D}。删除/插入边为{P1→E，E→P7，P7→F，F→P6，P1→G，G→P8，P8→H，H→P6}。

顺序关系有{A→B，A→D，A→C，B→D，C→D，E→F}，Process 2中的顺序关系有{A→B，A→D，A→C，B→D，C→D，G→H}，其中“→”表示两个节点的顺序关系。选择关系有{A#E，A#F，B#E，B#F，C#E，C#F，D#E，D#F}，{A#G，A#H，B#G，B#H，C#G，C#H，D#G，D#H}是Process 2的选择关系，其中“#”表示两个任务节点之间是选择关系。并行关系都为{B＝＝C}，其中“＝＝”指的是并行关系。

按照公式(1)进行计算，Process 1与Process 2的替换节点值为fv1(替换节点)＝10/16，删除/插入节点值为fv1(删除/插入节点)＝6/16。

按照公式(2)进行计算，Process 1与Process 2的替换边值为fv2(替换边)＝10/18，删除/插入节点值为fv2(删除/插入边)＝8/18。

按照公式(3)进行计算，Process 1与Process 2的任务节点间顺序关系值为fv3(顺序)＝5/7，选择关系值为fv3(选择)＝0，并行关系值为fv3(并行)＝1。

特征值越大则对应的特征越相似或越不相似。如图3A、3B所示，基于特征值，定义了两个数据结构：特征向量和关系向量。Process 1和Process 2的特征向量FV＝(替换节点值，删除/插入节点值，替换边值，删除/插入边值，顺序关系值，选择关系值，并行关系值)，由7个特征值组成，两个流程之间的相关关系对应一个特征向量。关系向量是在特征向量的基础上加上一个目标值得到的，关系向量RV＝(特征值，目标值)。为了衡量分类算法的分类准确率，在准备数据的时候人工对两个流程是否相关给出一个目标值，若相关则该值为1，否则为0。

Process 1和Process 2的关系向量＝(特征向量，目标值)。人为判断出Process 1和Process 2相关，所以目标值为1。由此，Process 1和Process 2对应的特征向量为FV＝(0.625，0.375，0.556，0.444，0.713，0，1)。

设置流程样本集，计算流程样本集中的每个流程样本分别与业务流程库中的每个业务流程对于各个业务权重特征的关联特征值。确定每个流程样本分别与每个业务流程的关联目标值，生成每个流程样本分别与每个业务流程的分类训练关系向量，其中分类训练关系向量的元素包括：关联特征值、关联目标值。

可以采用多种算法模型进行分类训练，获取分模型，例如，BP神经网络算法、向量支持机(SVM)算法等。通过分类模型获取新业务流程与业务流程集中的每个业务流程的关联值，基于关联值判断是否相关。

在一个实施例中，为了适应新的需求，某电信企业的流程设计者要对手机用户续约流程进行重新设计。在将新的流程加入到流程库之前，为了避免冗余，需要先把流程库中的相关流程都找出来逐一进行比较。在流程库中，新的流程要与已有的业务流程进行逐一的比较，若某个相关流程与新流程属于相同类型的流程，则该业务流程要从流程库中去除，以防冗余。

图4为根据本发明的业务流程相关性的判别方法的另一个实施例的流程示意图，如图4所示

步骤401，给定m个检索流程Q₁，...，Q_m和一个包含n个候选流程C₁，...，C_n的流程库。

预先给定10个检索流程作为流程样本。例如，Q₁：预约流程，Q₂：账单查询流程，Q₃：积分查询流程，Q₄：积分兑换礼品流程，Q₅：账单支付流程，Q₆：话费充值流程，Q₇：流量订购流程，Q₈：手机用户续约流程，Q₉：宽带办理流程，Q₁₀：办理主副卡流程。设置有一个包含100个业务流程C₁，...，C₁₀₀的电信流程库，这100个业务流程为候选流程

步骤402：读入1个检索流程Q_i(1≤i≤10)。

步骤403：取出流程库中的业务流程C_j(1≤j≤100)。

步骤404，计算Q_i和C_j的7个特征值，并组成一个特征向量FV(Q_i，C_j)＝(替换节点值，删除/插入节点值，替换边值，删除/插入边值，顺序关系值，选择关系值，并行关系值)。

例如，话费查询流程和流量查询都可通过发送短信查询或打电话查询或网上营业厅查询。话费查询流程：拨打XXXX/(登录网上营业厅→点击话费查询)/发送X到XXXX→返回话费详情；流量查询流程：拨打XXXX/(登录网上营业厅→点击流量查询)/发送Y到XXXX→返回流量详情。

两个流程替换的节点为“登录网上营业厅”、“拨打电话XXXX”，删除节点为“点击话费查询”、“发送X到XXXX”，“返回话费详情”，插入节点为“点击流量查询”、“发送Y到XXXX”，“返回流量详情”。由于没有边的两个节点都为替换节点，由此替换边数为0，所有边都为删除/插入边。根据这些信息，按照公式(1)、公式(2)和公式(3)可以得到话费查询流程和流量查询流程的特征向量。

步骤405，人为对Q_i与C_j进行相关性的判定并给出目标值，1表示相关，0表示不相关。例如，话费查询流程和流量查询是相关的，因为都是查询流程，则将这两个流程标记为相关，标记为1。在FV的基础上加上一个目标值值组成一个关系向量RV(Q_i，C_j)。

步骤406，将RV(Q_i，C_j)写入到文件中。

步骤407，判断流程库中是否还有未计算过的业务流程，如果是，则进入步骤403，如果否，则进入步骤408。

步骤408，判断10个检索流程是否都计算完毕。如果是，则执行步骤403，如否则执行步骤408。

步骤409，将包含1000条记录的文件输入到BP神经网络(BPNN)或向量支持机(SVM)算法中进行训练，得到分类模型。

步骤401-409为线下训练过程。

步骤410，给定1个新的检索流程Q。例如，手机用户续约流程，输入到训练好的分类模型中。

步骤411，取出流程库中的候选流程C_j(1≤j≤100)。

步骤412，通过分类模型对Q与C_j是否相关做出判断，即输出0或1，0表示Q与C_j相关，1表示Q与C_j不相关。

例如，流程库中的宽带续约流程等流程是Q的相关流程，标记为1。流程库中的其他流程，如故障报修流程、网龄提速流程、停机保号流程等流程为Q的不相关流程，标记为0。

步骤413，判断流程库中是否还有未计算的业务流程，如果是，则进入步骤410，如果否，则结束。

步骤410-413为线上查询过程。

上述实施例中提供的业务流程相关性的判别方法，融合了结构和行为两个维度，确定代表结构和行为维度的业务权重特征并计算流程的关联特征值，基于关联特征值和关联目标值进行分类训练生成分类模型，通过分类模型判别新业务流程与业务流程的相关性，通过对于流程的相似度检索进行预处理工作，可以提高相似度检索的准确率和效率。

在一个实施例中，本发明提供一种业务流程相关性的判别装置50，包括：样本设置模块51、特征确定模块52、特征值计算模块53、目标值确定模块54、模型训练模块55和关联判别模块56。样本设置模块51确定流程样本；特征确定模块52确定用于度量流程间相关性的业务权重特征，业务权重特征包括：结构特征和行为关系特征。

特征值计算模块53计算流程样本和流程库中的业务流程对于业务权重特征的关联特征值。目标值确定模块54确定用于标识流程样本和业务流程是否相似的关联目标值。模型训练模块55基于关联特征值和关联目标值生成分类训练关系向量，根据分类训练关系向量进行分类训练获得分类模型。关联判别模块56基于分类模型判别新业务流程与业务流程的相关性。

特征值计算模块53确定对于替换节点或删除/插入节点的关联特征值fv1＝(|f1(Process1，Process2)|)/(|Node(Process 1)∪Node(Process2)|)；其中，Process1为流程样本，Process2为业务流程，f1(Process1，Process 2)为Process1和Process2中相同的替换节点或删除/插入节点的集合的元素个数，Node(Process 1)为Process 1中的所有节点的集合的元素个数，Node(Process 2)为Process 2中的所有节点的集合中的元素个数，0≤fv1≤1。

特征值计算模块53确定对于替换边或删除/插入边的关联特征值fv2＝(|f2(Process 1，Process2)|)/(|Edge(Process1)∪Edge(Process 2)|)；其中，Process1为流程样本，Process2为业务流程，f2(Process 1，Process 2)为Process1和Process2中相同的替换边或删除/插入边的集合的元素个数，Edge(Process 1)为Process 1中的所有边的集合的元素个数，Edge(Process 2)为Process 2中的所有边的集合的元素个数，0≤fv2≤1。

特征值计算模块53确定对于顺序关系、互斥关系或并发关系的关联特征fv3＝(|f3(Process 1)∩f3(Process 2)|)/(|f3(Process 1)∪f3(Process2)|)；其中，Process1为流程样本，Process2为业务流程，f3(Process 1)为Process 1中的顺序关系、互斥关系或并发关系的集合的元素个数，Edge(Process 2)为Process 2中的顺序关系、互斥关系或并发关系的集合的元素个数，0≤fv3≤1。

样本设置模块51设置流程样本集。特征值计算模块53计算流程样本集中的每个流程样本分别与业务流程库中的每个业务流程对于各个业务权重特征的关联特征值。模型训练模块54确定每个流程样本分别与每个业务流程的关联目标值，生成每个流程样本分别与每个业务流程的分类训练关系向量，其中，分类训练关系向量的元素包括：关联特征值、关联目标值。关联判别模块55通过分类模型获取新业务流程与业务流程集中的每个业务流程的关联值，基于关联值判断是否相关。

上述实施例中提供的业务流程相关性的判别方法和装置，融合了结构和行为两个维度，确定代表结构和行为维度的业务权重特征并计算流程的关联特征值，基于关联特征值和关联目标值进行分类训练生成分类模型，通过分类模型判别新业务流程与业务流程的相关性，能够将流程库中的业务流程分为与新业务流程相关和不相关流程两大类，通过对于流程的相似度检索进行预处理工作，可以提高相似度检索以及相关性判决的准确率和效率。

可能以许多方式来实现本发明的方法和系统。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和系统。用于方法的步骤的上述顺序仅是为了进行说明，本发明的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本发明实施为记录在记录介质中的程序，这些程序包括用于实现根据本发明的方法的机器可读指令。因而，本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。

本发明的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。