纵横交错的混合式资源分配规则挖掘方法技术

本发明专利技术提出一种基于“纵横交错”方法的混合式资源分配规则挖掘方法，用于从工作流日志获取到更为准确的资源分配知识。该方法以事件和案例作为基本事务单位对工作流日志处理，分别获得工作流日志的横向事件视图和纵向案例视图。在上述基础上，基于关联规则挖掘方法，对两种日志视图进行数据挖掘，从而得到不同日志视图下的关联规则。在上述基础上，利用当前工作流任务的前置条件对所有的规则进行筛选，并以支持度和置信度对两种视图下挖掘的关联规则进行综合排序。本发明专利技术提出的纵横交错资源分配规则挖掘方法能够得到比现有单一日志结构的过程挖掘方法预测准确度更高的资源分配规则。

【技术实现步骤摘要】

本专利技术涉及业务过程的知识发现领域，针对过程感知信息系统在任务执行前的资源分配规则发现，具体而言，涉及一种对历史工作流日志进行深度处理和分配规则发现的纵横交错的混合式资源分配规则挖掘方法，从而对实例化前的工作流任务在任务分配时的执行资源推荐。
技术介绍
当前大多数工作流程驱动的信息系统的资源分配任务仍然是通过常规的资源分类方法即角色/组织的方式进行组织的，工作流资源主要通过工作流资源的角色和组织单元属性的交集进行分类，从而将所有的工作流资源分割为资源子集合，以方便工作流管理人员进行资源的分配。事实上，这种基于资源分类的方式得到的资源类别通常粒度较大，并且分类获得的资源集内部个体并无优先级推荐，因此，通常需要由管理人员对关键任务手工分配执行人员，不利于管理人员对知识密集型任务的快速分配。工作流管理技术是制造企业实现业务过程自动化的重要支撑技术，它能够有效管理企业信息系统(EIS)中的业务活动、人员与数据等重要元素，并协调其相互关系。工作流是研究整个或部分业务过程在计算机支持下的全自动或半自动化的技术，是20世纪90年代迅速崛起的一门新兴学科，被Thomas Friedman誉为二十一世纪“铲平”世界的第三大动力，是继关系数据库技术之后又一个革命性的基础软件平台技术。工作流(workflow)由英文单词工作(work，可以看作工作或任务)和流(flow，可看作流动或流程)组成。自工业革命以来，人们就把工作流程的优化和组织管理看作企业管理的重要研究内容，相关的研究工作一直没有间断过。而随着计算机技术、网络技术以及数据库技术等快速发展，基于计算机技术的工作流管理技术在上世纪八十年代开始出现，其最早应用于生产组织和办公自动化(OA)领域，是针对日常工作中具有固定程序的活动的管理而提出的一个概念。其目的是通过将常见的工作分解为粒度合适的任务和定义良好的角色，依据一定的规则和过程来对其进行监控，以提高工作效率。随着不断的优化和发展，工作流技术逐渐进入到医院、银行业、保险业等，而制造业则是工作流技术更为重要的领域之一。工作流领域的过程挖掘(Process Mining，也称为工作流挖掘，Workflow Mining)是一个年轻的跨领域的交叉学科，涉及到计算智能、数据挖掘和过程建模与分析等领域。过程挖掘技术，是一种从系统日志中发掘有用知识的技术，这些知识包括任务的控制流信息，也可以是系统的资源组织结构信息等。虽然已经经过十多年的发展，过程挖掘技术已经得到了长足发展，但是其研究内容主要集中在过程模型(控制流)发现，即从事件日志中间发现过程模型，包括挖掘过程中任务节点的逻辑顺序等，隶属于过程及任务范畴。其中Cook等人主要研究从软件日志中发现软件过程模型。而美国IBM的Agrawal是最早将过程模型发现技术应用于工作流领域的研究成果，文献基于图论来表达工作流模型，并提出了一种满足完整性、非冗余性和最小性的工作流图挖掘算法。Aalst等人运用归纳法处理工作流管理领域的过程发现问题。后来Aalst又研究了一种从过程运行实例的历史中发现时序模型的方法，继而发展了一种基于启发式算法从日志中发现过程的算法，和从过程日志中间发现工作流模型的α算法。随后有中国吉林大学刘大有等人提出了α算法的改进算法，以及能够发现重复任务的α**算法和基于工作流网的过程挖掘算法等等。工作流过程模型作为挖掘结果，可以用于控制流的符合性检查，或者用于改进现有的过程模型等。过程挖掘技术并不局限于过程与任务层面。随着过程挖掘技术研究的深入，有学者开始研究挖掘工作流资源相互之间的关系(社会网络分析)，Minsok Song等人基于社会网络分析技术对工作流管理系统中资源之间的工作交接关系进行分析，通过得到的社会网络关系对当前系统资源组织/角色架构提供一致性检查或者改组优化方案。在资源角色的识别与分配方面，有基于日志挖掘的过程角色识别研究以及业务过程模型中的角色分配研究等。据笔者所知，在过程挖掘领域，已经有大量的研究成果集中于业务过程的控制流知识发现方面。虽然研究工作流管理过程中资源与流程以及任务之间的相互关系，具有重要的意义，但在工作流资源管理方面的知识发现方面的研究(即组织挖掘，Organizational Mining)也并不常见，而这一领域的工作流的资源分配知识发现方面的研究则仍处于探索阶段。下面就与工作流资源分配相关的研究内容介绍如下：在挖掘方法方面，德国乌尔姆大学的Ly等人把从历史数据中挖掘任务执行规则的任务看成为一个归纳学习问题，并基于一种决策树学习的方法进行了一些探索研究。Y.Liu等人研究了一种基于隐马尔可夫模型的资源分配规则发现方法并讨论了一种半自动的工作流资源分配方法，为了减轻系统运行时的工作流任务手动分配负担，又将几种分类算法(C4.5，SVM，Bayes等)应用于工作流运行日志，以挖掘任务的最佳执行人信息。在系统架构方面，文献中，Andrzejak等人提出了一种面向工作流控制流知识挖掘的闭环工作流管理框架，该框架遵循规划-执行-结果验证-再规划这一闭环生成工作流过程模型。Rinderle与van der Aalst教授开发了一个支持资源分配规则的全生命周期的软件架构。国内刘庭煜等人对工作流资源管理的闭环控制方法进行了探索，并分别基于常规统计方法和权重矩阵方法研究了资源分配知识的发现方法。工作流管理系统中的快速人员分配知识的挖掘最早于2006年由德国乌尔姆大学的Linh Thao Ly等人提出，将其看作归纳学习方法，并采用了一种决策树的学习方法从事务历史中挖掘人员分配规则。随后，针对人员分配规则的挖掘方法，又有研究人员提出了采用机器学习、隐马尔科夫模型方法、分类学习方法(包括C4.5、SVM等)、基于Apriori的关联规则搜索算法、增强学习算法等。在基础模型及应用方面，有：基于工作流资源分配约束条件的自适应工作流规划方法，模糊环境下工作流任务分配的多级模型等，以及过程感知信息系统中全生命周期的人员分配支持等。也有学者基于过程挖掘技术对不同资源之间的并行工作共享问题以及不合理的资源分配等问题进行了有益的探索。基于上述讨论可以看出，作为工作流知识发现领域的新兴研究方向，国内外研究人员工作流资源分配领域的研究尚属起步阶段，对于工作流日志的处理手段也比较单一。据笔者研究所知，目前尚没有对工作流日志的纵向执行逻辑和横向事务逻辑进行处理和表征的方法，更鲜见在此基础上进行全局规则发现和搜索的方法。
技术实现思路
针对现有技术中缺陷与不足，本专利技术提出一种纵横交错的混合式资源分配规则挖掘方法，实现对实例化前的工作流任务在任务分配时的执行资源的快速推荐。为实现上述目的，本专利技术所采用的技术方案如下：一种纵横交错的混合式资源分配规则挖掘方法，包括以下步骤：步骤A、以过程、任务、资源、工作流实例及时间戳五元组来表示工作流日志；步骤B、以事务为基本单元对工作流日志进行分解，得到工作流日志横向事件视图步骤C、以工作流实例为基本单元对工作流日志进行分解，得到工作流日志纵向案例视图步骤D、基于出现频次prob及当前活动的前置条件对上述两种日志视图分别进行资源分配规则挖掘；步骤E、基于因果条件概率conf方法对资源分配规则进行全局筛选与排序，获得全局优化的资源分本文档来自技高网...

【技术保护点】
一种纵横交错的混合式资源分配规则挖掘方法，其特征在于，包括以下步骤：步骤A、以过程、任务、资源、工作流实例及时间戳五元组来表示工作流日志；步骤B、以事务为基本单元对工作流日志进行分解，得到工作流日志横向事件视图步骤C、以工作流实例为基本单元对工作流日志进行分解，得到工作流日志纵向案例视图VC(L)＝B(C)＝{c1,c2,...,c|B(C)|}；步骤D、基于出现频次prob及当前活动的前置条件对上述两种日志视图分别进行资源分配规则挖掘；步骤E、基于因果条件概率conf方法对资源分配规则进行全局筛选与排序，获得全局优化的资源分配规则。

【技术特征摘要】
1.一种纵横交错的混合式资源分配规则挖掘方法，其特征在于，包括以下步骤：步骤A、以过程、任务、资源、工作流实例及时间戳五元组来表示工作流日志；步骤B、以事务为基本单元对工作流...

【专利技术属性】
技术研发人员：刘庭煜，汪惠芬，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32