一种业务过程模型的特征提取方法及系统与流程

本发明涉及领域，尤其涉及一种业务过程模型的特征提取方法及系统。
背景技术：
：工业大数据包含越来越多的业务过程模型。这些业务过程模型是企业的宝贵信息资产，是企业长期以来花费巨大资源的生产关系的模型化成果，是企业核心竞争力的重要体现。业务过程模型作为一种非结构化数据，与传统结构化数据存在本质区别：业务过程模型不仅包含静态的信息如空间拓扑结构、任务名称和数据等，还包含动态的信息即不同的任务发生条件和序列。这种差异使得传统的信息资源管理手段难以满足许多对业务过程模型的专门管理需求。另外，业务过程模型作为一种典型的非结构化数据，其查询需求需要借助专门的查询语言来实现。目前，业务过程模型的查询往往需要特定的查询语言，其中，apql(aprocess-modelquerylanguage，过程模型查询语言)基于任务间时序关系查询业务过程模型，提供的运算符较多，例如共25种，对于实际应用和一线工作人员而言，掌握难度较大，不利于广泛应用和普及推广。因此，提供一种业务过程模型的特征提取方法及系统。技术实现要素：鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的业务过程模型的特征提取方法及系统，能够对业务过程模型的时序状态空间进行有效、无丢失的压缩，并对该时序状态空间提取行为特征，以获取任务间关系矩阵，并且能够根据任务间关系矩阵反推适用于任务间关系矩阵的查询语言，大幅降低查询语言的复杂性和难度。根据本发明的一个方面，提供一种业务过程模型的特征提取方法，包括以下步骤：将业务过程模型转化为petri网模型；将petri网模型转换为时序保存的完全有限前缀；提取时序保存的完全有限前缀中的任务和任务间时序，生成用于检索的任务间关系矩阵，与对应的业务过程模型映射存储在业务过程模型数据库中，供用户检索。进一步地，将petri网模型转换为时序保存的完全有限前缀，具体包括以下步骤：将petri网模型转化为分支进程；将分支进程分解为多个时序保存的完全有限前缀。进一步地，提取时序保存的完全有限前缀中的任务和任务间时序，生成用于检索的任务间关系矩阵，具体包括以下步骤：针对时序保存的完全有限前缀，基于业务过程模型行为规则对其进行遍历；根据遍历结果，得到任务名称和任务两两间时序关系；根据任务名称和任务两两间时序关系构建任务间关系矩阵。进一步地，业务过程模型为epc模型。进一步地，利用prom将epc模型转化为petri网模型。根据本发明的另一方面，提供一种实现业务过程模型的特征提取方法的系统，包括：业务过程模型转化模块，用于将业务过程模型转化为petri网模型；petri网模型转换模块，用于将petri网模型转换为时序保存的完全有限前缀；任务间关系矩阵生成模块，用于提取时序保存的完全有限前缀中的任务和任务间时序，生成用于检索的任务间关系矩阵，与对应的业务过程模型映射存储在业务过程模型数据库中，供用户检索。进一步地，在petri网模型转换模块中，将petri网模型转换为时序保存的完全有限前缀，具体实现如下：将petri网模型转化为分支进程；将分支进程分解为多个时序保存的完全有限前缀。进一步地，在任务间关系矩阵生成模块中，提取时序保存的完全有限前缀中的任务和任务间时序，生成用于检索的任务间关系矩阵，具体实现如下：针对时序保存的完全有限前缀，基于业务过程模型行为规则对其进行遍历；根据遍历结果，得到任务名称和任务两两间时序关系；根据任务名称和任务两两间时序关系构建任务间关系矩阵。进一步地，在业务过程模型转化模块中，业务过程模型为epc模型。进一步地，在业务过程模型转化模块中，利用prom将epc模型转化为petri网模型。本发明与现有技术相比具有以下的优点：本发明的业务过程模型的特征提取方法及系统，将业务过程模型依次转化为petri网模型、时序保存的完全有限前缀和任务间关系矩阵，能够对业务过程模型的时序状态空间进行有效、无丢失的压缩，并对该时序状态空间提取行为特征，以获取任务间关系矩阵，并且能够根据任务间关系矩阵反推适用于任务间关系矩阵的查询语言，大幅降低查询语言的复杂性和难度。附图说明以下结合附图和实施例对本发明作进一步说明。图1是本发明的业务过程模型的特征提取方法流程图；图2为本发明实施例的petri网模型如所示；图3(a)为本发明实施例的一个时序保存的完全有限前缀；图3(b)为本发明实施例的另一时序保存的完全有限前缀；图3(c)为本发明实施例的又一时序保存的完全有限前缀；图4是本发明的业务过程模型的特征提取系统框图。具体实施方式下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。本
技术领域：
技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。本
技术领域：
技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非被特定定义，否则不会用理想化或过于正式的含义来解释。图1是本发明的业务过程模型的特征提取方法流程图，参见图1，本发明提供的业务过程模型的特征提取方法，包括以下步骤：将业务过程模型转化为petri网模型，该petri网模型如图2所示；将petri网模型转换为时序保存的完全有限前缀，该时序保存的完全有限前缀如图3(a)、3(b)和3(c)所示；提取时序保存的完全有限前缀中的任务和任务间时序，生成用于检索的任务间关系矩阵，与对应的业务过程模型映射存储在业务过程模型数据库中，供用户检索，任务间关系矩阵如表1所示。表1用户开户申请开通普通户开通国际户开通vip户分析用户历史用户开户申请无可能先于可能先于可能先于总是先于开通普通户可能后于无无无可能先于开通国际户可能后于无无无可能先于开通vip户可能后于无无无可能先于分析用户历史总是后于总是后于总是后于总是后于无其中，当业务过程模型为epc模型时，利用prom(processmining，流程挖掘)将epc模型转化为petri网模型。在检索过程中，根据查询请求编辑查询条件，并从业务过程模型数据库中查询与查询条件匹配的任务间时序关系矩阵；根据任务间时序关系矩阵与业务过程模型的映射关系，导出业务过程模型。具体地，查询请求编辑查询条件，将该查询条件转换为语法树，根据语法树上的任务名称和任务间时序关系通过倒排索引从业务过程模型数据库中查询与查询条件匹配的任务间时序关系矩阵。可以根据wmd(wordmover’sdistance，词移距离)算法进行任务间时序关系矩阵与查询条件的不完全匹配，通过该智能语义匹配方法，能够确保查询的业务过程模型包含可以归并为同一任务名称的业务过程模型。根据查询请求编辑查询条件，具体包括以下步骤：根据查询请求从查询条件公式数据库中选取查询条件公式；基于该查询条件公式编辑查询条件，其中，查询条件公式数据库根据任务间时序关系矩阵的任务名称和任务间时序关系建立。具体地，根据如表1所示的任务间关系矩阵建立的查询条件公式数据库包括4种描述任务发生或任务间时序关系特征的基本谓词，分别是：(1)posoccur(t1，r)表示任务间关系矩阵中任务t1发生至少一次；(2)alwoccur(t1，r)表示任务间关系矩阵中任务t1总是发生；(3)pospred(t1，t2，r)表示任务间关系矩阵中存在任务t1先于任务t2至少发生一次；(4)alwpred(t1，t2，r)表示任务间关系矩阵中存在任务t1先于任务t2总是发生。例如，查询条件“a”pospred“b”and“b”alwpred“c”表示用户希望检索满足以下特征的过程模型：任务间关系矩阵中存在任务a先于任务b至少发生一次，并且任务间关系矩阵中存在任务b先于任务c总是发生。本发明的业务过程模型的特征提取方法，将业务过程模型依次转化为petri网模型、时序保存的完全有限前缀和任务间关系矩阵，能够对业务过程模型的时序状态空间进行有效、无丢失的压缩，并对该时序状态空间提取行为特征，以获取任务间关系矩阵，并且能够根据任务间关系矩阵反推适用于任务间关系矩阵的查询语言，大幅降低查询语言的复杂性和难度。将petri网模型转换为时序保存的完全有限前缀，具体包括以下步骤：将petri网模型转化为分支进程；将分支进程分解为多个时序保存的完全有限前缀。在这里，petri网σ是一个三元组σ＝(p，t，f)，其中，p是库所的有穷集合，t为变迁的有穷集合，满足且是有向弧的集合，称作流关系。设σ＝(n，mo)是一个petri网系统，其中n＝(p，t，f)，同时假设有ρ＝(n’，h)为σ对应的展开，其中n’＝(p’，t’，f’)，于是存在：1)对n的任意一个可达状态m，有eq(m，ρ)＝{e∈e’|mark([e])＝m}。在不导致理解混乱的前提下，本文都省略ρ，将eq(m，ρ)简记为eq(m)。2)continuation(m)代表ρ中的一个线索结点。对于每一个可达状态m，continuation(m)定义为：存在一个唯一的e’∈eq(m)，对于其他所有的e∈eq(m)，如果有e≠e’且[e’]＜[e]，那么e’就是continuation(m)，对于某一切除事件e，若mark(cut(e))＝m，那么continuation(e)＝continuation(m)，并称该点为切除事件e的线索结点。3)off(m)＝eq(m)\continuation(m)表示对应于可达状态m的所有切除事件。可以通过引入从切除事件到其线索结点之间的链接来实现保持所有任务间时序关系的目的。一个petri网系统σ＝(n，mo)的时序保存的完全有限前缀是一个二元组(ρ，l)，记作γσ，其中：1)ρ＝(b，e，g)是σ的完全有限前缀；2)l是一个链接的集合，如果有(e，e’)∈l，那么存在一个σ的可达状态m使得e’＝continuation(m)并且e∈off(m)。令lσ＝(p，t，f，a，l)为工作流网：(1)p包含唯一一个源库所i，满足(2)p包含唯一一个汇结库所o，满足(3)任给节点x(x∈p∪t)，存在从源库所i到汇结库所o的路径，节点x在该路径上。出现网是一个三元组n＝(b，e，f)，满足以下条件：(1)b是条件的集合，e是事件的集合，满足且(2)对于任意的b∈b，|·b|≤1；(3)f是无环的；(4)对于任意x∈b∪e，传递闭包中(y，x)(其中y∈b∪e)的集合也是有限的；(5)e中不存在自我冲突的元素。工作流网lσ＝(p，t，f，a，l)的分支进程是一个二元组β＝(n，p)，其中，n＝(b，e，f)是一个出现网，p是一个从lσ到n的映射，满足：(1)min(σ)与mo是一个双射；(2)对于每一个e1，e2∈e，如果·e1＝·e2且p(e1)＝p(e2)，则e1＝e2。提取时序保存的完全有限前缀中的任务和任务间时序，生成用于检索的任务间关系矩阵，具体包括以下步骤：针对时序保存的完全有限前缀，基于业务过程模型行为规则对其进行遍历；根据遍历结果，得到任务名称和任务两两间时序关系；根据任务名称和任务两两间时序关系构建任务间关系矩阵。图4是本发明的业务过程模型的特征提取系统框图，参见图4，本发明提供的实现业务过程模型的特征提取方法的系统，包括：业务过程模型转化模块，用于将业务过程模型转化为petri网模型；petri网模型转换模块，用于将petri网模型转换为时序保存的完全有限前缀；任务间关系矩阵生成模块，用于提取时序保存的完全有限前缀中的任务和任务间时序，生成用于检索的任务间关系矩阵，与对应的业务过程模型映射存储在业务过程模型数据库中，供用户检索本发明的业务过程模型的特征提取方法，将业务过程模型依次转化为petri网模型、时序保存的完全有限前缀和任务间关系矩阵，能够对业务过程模型的时序状态空间进行有效、无丢失的压缩，并对该时序状态空间提取行为特征，以获取任务间关系矩阵，并且能够根据任务间关系矩阵反推适用于任务间关系矩阵的查询语言，大幅降低查询语言的复杂性和难度。进一步地，在业务过程模型转化模块中，业务过程模型为epc模型。进一步地，在业务过程模型转化模块中，利用prom(processmining，流程挖掘)将epc模型转化为petri网模型。进一步地，在petri网模型转换模块中，将petri网模型转换为时序保存的完全有限前缀，具体实现如下：将petri网模型转化为分支进程；将分支进程分解为多个时序保存的完全有限前缀。进一步地，在任务间关系矩阵生成模块中，提取时序保存的完全有限前缀中的任务和任务间时序，生成用于检索的任务间关系矩阵，具体实现如下：针对时序保存的完全有限前缀，基于业务过程模型行为规则对其进行遍历；根据遍历结果，得到任务名称和任务两两间时序关系；根据任务名称和任务两两间时序关系构建任务间关系矩阵。对于系统实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。当前第1页12