件相关联的 多个候选约束与目标之间的对应关系包括：基于事件在多个事件序列中的每个事件序列中 的每次出现，构造与每次出现相关联的约束特征向量，约束特征向量中的每个元素表示多 个候选约束中的一个候选约束的状态；以及基于约束特征向量和目标，获得对应关系。
[0056] 现在参见具体示例解释事件的每次出现的含义。在事件序列1中记载了 <(B，4，F)，（A，3，T)，（C，3，T)>，可以发现事件A在该事件序列1中仅出现了一次，因而可以 基于事件A在事件序列1中的一次出现来生成一个约束特征向量。又例如，事件序列2为 〈(C，0, F)，（A，1，F)，（A，1，F) >，可以发现事件A在该事件序列2中出现了两次，因而可以基 于事件A在事件序列2中的两次出现生成两个约束特征向量。当事件日志中包括更多事件 序列时，还可以基于事件A在其他事件序列中的每次出现而生成更多的约束特征向量。
[0057] 约束特征向量中的每个元素表示多个候选约束中的一个候选约束的状态，下文表 2示出了针对事件A的多个候选约束的含义：
[0058] 表2针对事件A的候选约束
[0059]
[0060] 当考虑上述全部6个候选约束时，可以以向量的方式来表示这6个候选约束的状 态：（fR，fu，fT (B)，fT (C)，fD (X)，fD (y))。
[0061] 在本发明的一个实施方式中，构造与每次出现相关联的约束特征向量包括：针对 约束特征向量中的每个元素，确定多个候选约束中的每个候选约束在与每次出现相关联的 事件序列中的状态；以及基于每个候选约束的状态，建立约束特征向量。
[0062] 在下文中将结合具体示例描述如何生成约束特征向量。对于事件A在事件序列1 中的出现（A，3, T)，可以逐个分析每个候选约束的状态：
[0063] fR :需要执行事件A，因而fR = T ;
[0064] & :事件A没有被重复执行，因而& = T ;
[0065] fT(B):事件B在事件A之前执行，因而fT(B) = T ;
[0066] fT(C):事件A之前没有执行事件C，因而fT(C) = F ;
[0067] fD(x):参见执行完前一个三元组（B，4，F)可知，执行事件A之时X = 4 ;
[0068] fD(y):参见执行完前一个三元组（B，4, F)可知，执行事件A之时y = F〇
[0069] 经由上述分析可知，针对事件A在事件序列1中的出现（A，3, T)的约束特征向量 为（T，T，T，F，4，F)。接着，可以按照上述方法来分析事件Α在事件序列2中的第一次出现 (八，1，巧，可以得知针对事件厶在事件序列2中的出现仏，1，巧的约束特征向量为（1'"， T，0, F)。本领域技术人员可以基于上文所述的原理，来获取事件A的其他出现的约束特征 向量。
[0070] 在本发明的一个实施方式中，多个候选约束的类型包括以下中的至少任一项：存 在性约束、时间约束、以及数据约束。可以基于候选约束的类型来基于事件的每次出现获取 候选约束的状态。
[0071] 具体地，对于可重复类型的存在约束，可以在与事件的出现相关联的事件序列中 查看该事件是否可以重复出现；对于数据约束，可以查看在执行该事件时各个参数的数值； 对于时间约束，可以在与事件的出现相关联的事件序列中查看该事件的出现与另一事件的 出现是否满足时序关系。
[0072] 图5示意性示出了根据本发明一个实施方式的与事件相关联的多个候选约束与 目标之间的对应关系500。基于约束特征向量、以及目标是否满足，本领域技术人员可以获 得如图5所示的对应关系。具体地，当事件序列1执行完毕时，y = T，因而目标得以满足， 此时在图5所示的表格中，与事件序列1相对应的目标&的数值为T。又例如，当事件序列 2执行完毕时，y = F，因而目标得以满足，此时在图5所示的表格中，与事件序列2相对应 的目标fc的数值为F。
[0073] 在本发明的一个实施方式中，基于对应关系，确定多个候选约束中的至少一部分 候选约束对目标的影响包括：生成多个候选约束的至少一个子集；以及针对至少一个子集 中的每个子集，基于对应关系来确定每个子集中的候选约束对于目标的影响。
[0074] 在此实施方式中，可以从少到多地逐步从多个候选约束中选择至少一部分候选约 束，进而计算所选择的至少一部分候选约束对于目标的影响。具体地，可以选择多个候选 约束的子集，并计算所选择的子集中的候选约束对于目标的影响。可以逐渐增加子集中的 候选约束的数量，例如，可以首选选择仅包括一个候选约束的子集（即，1项子集（1-item subset))，继而再选择包括两个候选约束的子集（即，2项子集（2-item subset))，…，直 至子集中候选约束的数量达到多个候选约束的数量。
[0075] 在本发明的一个实施方式中，生成多个候选约束的至少一个子集包括：生成多个 候选约束的1项子集，其中1项子集中的每个元素包括多个候选约束中的一个候选约束。 在此实施方式中，最初的1项子集可以包括6个子集，即，{f R}、{f,}、{fT(B)}、{fT(C)}、 {fD(x)}、{f D(y)}。本领域技术人员还可以根据具体应用环境的需要而定义包括其他元素的 1项子集，例如，还可以包括针对某些约束进行非（NOT)运算，等等。以此方式，分别针对每 个所选择的1项子集，可以基于如图5中所示的对应关系来计算该1项子集中的候选约束 对于目标的影响。
[0076] 在本发明的一个实施方式中，进一步包括：在至少一个轮次中，基于多个候选约束 的（n-1)项子集来生成多个候选约束的η项子集，其中2 < η <多个候选约束的数量，以及 η项子集中的每个元素包括η个候选约束。在已经生成1项子集后，还可以逐步增加子集中 所包括的候选约束的数量，逐步生成2项子集、3项子集等。
[0077] 在本发明的一个实施方式中，通常目标并不会受到全部多个候选约束的影响，而 是通常仅受到其中的一部分候选约束的影响。因而，不必生成包括最多数量的候选约束的 子集，而是可以设置停止条件。例如，可以基于（η-1)项子集中的候选约束对于目标的影 响，来判断是否生成η项子集。具体地，可以基于对目标的影响超过预定阈值的（η-1)项子 集来生成η项子集。具体地，假设已经生成了多个候选约束的1项子集，并且其中{f T(C)} 对于目标的影响低于预定阈值，则在下一轮次中生成2项子集的过程中，可以不再考虑候 选约束{f T(C)}。以此方式，可以更准确地生成对于目标产生显著影响的子集。
[0078] 在本发明的一个实施方式中，针对至少一个子集中的每个子集，基于对应关系来 确定每个子集中的候选约束对于目标的影响包括：针对至少一个子集中的每个子集，基于 对应关系确定每个子集中的候选约束对于目标的相关度以作为影响。
[0079] 在此实施方式中，相关度反映了子集中的候选约束的满足与目标的实现之间的相 关程度，本领域技术人员可以根据具体应用环境的需要而设计具体的计算公式。例如，以f 表示子集中的候选约束，以&表示目标，则可以基于如下公式来计算相关度：
[0080] 其中N(f，fe)表示：f，fe都为真⑴的案例的数 量。或, ___________________________上的计算公式，只要该公式能够衡量候选约束与目 标的一致性的程度即可。
[0081] 在此实施方式中，可以设置预定的阈值条件，并且当相关度低于阈值条件时，则不 考虑相关度低于阈值条件的子集。例如，可以将相关度的阈值定义为〇. 5,在下一轮次中生 成子集时，可以仅考虑相关度高于〇. 5的那些子集。
[0082] 在本发明的一个实施方式中，为了进一步提供更高的准确性，影响还可以包括附 加的因素，例如还可以考虑支持度的概念。在本发明的一个实施方式中，进一步包括：针对 至少一个子集中的每个子集，基于对应关系确定每个子集中的候选约束的支持度；以及向 影响中添加支持度。
[0083] 在此支持度是指满足某约束的事件触发次数占事件触发总数的比例。事件一共被 触发10次，其中有8次触发时满足了约束，则此时的该约束的支持度为8/10 = 0. 8。
[0084] 采用上文中所述的具体方法，本领域技术人员可以基于如图5中所示的对应关 系，确定多个候选约束中的至少一部分候选约束对目标的影响。例如，可以首先确定多个候 选约束的1项子集中的候选约束对于目标的影响，继而确定2项子集中的候选约束对于目 标的影响，等等。
[0085] 具体地，图6A-6C 7K意性7K出了根据本发明一个实施方式的至少一部分候选约束 对于目标的影响的度量600A-600C。应当注意，尽管图6A-6C中示意性示出了的影响的度量 包括支持度和相关度，为简化计算，影响的度量中还可以仅包括相关度。在仅包括相关度的 情况下，可以选择与最高相关度相对应的候选约束，来作为找到的产生最强影响的约束。或 者，当影响的度量中包括支持度和相关度两者时，可以针对相关度和支持度两者设置预定 条件，以便找到对于目标产生最强的候选约束。
[0086] 如图6A所示，示出了多个候选约束的1项子集中的候选约束对于目标的影响的度 量。假设针对相关度和支持度分别设置如下阈值条件：支持度>0.5,相关度>0.5。则在 生成2项子集时，可以丢弃不满足上述两个阈值条件的1项子集（如图6A中以椭圆示出的 部分）。因而，在生成2项子集时可以不考虑候选约束^尽(y)和f,，并且基于图6A所示的 影响中的前4行来生成2项子集。进一步，在