【技术实现步骤摘要】
本专利技术涉及业务流程建模、人工智能和推荐系统领域，能够帮助企业实现业务流程建模的自动化操作。
技术介绍
1、业务流程建模是业务流程管理中最基础的任务，通过构建业务流程模型来描述业务流程的规定行为。目前，大多数业务流程建模通常是由分析人员手动进行。然而，从头开始建模业务流程非常复杂、易出错且耗时。而且，目前大多数传统的基于图结构的业务流程推荐方法都不能处理复杂结构，如交互循环等。此外，这类方法对于存在大量流程和活动的大型复杂数据集中的应用仍然存在不足。为了解决这一问题，提出了一种基于lightgcn的业务流程建模推荐方法，通过构建业务流程模型知识库，利用lightgcn图卷积神经网络模型对流程模型知识库中的头尾实体及其关系进行嵌入式特征学习，然后再根据推荐策略，在当前活动(前驱活动)给定的情况下，推荐后继活动及其连接关系，从而实现业务流程自动化建模。
技术实现思路
1、本专利技术提供了一种基于lightgcn的业务流程建模推荐方法及系统，通过构建业务流程模型知识库，利用lightgcn图卷积神经网络模型对流程模型知识库中的头尾实体及其关系进行嵌入式特征学习，并基于给定的前驱活动，推荐空间距离最近的后继活动及其连接关系，从而实现自动化业务流程建模。业务流程的自动化建模能够帮助企业实现更高效、智能的生产和管理，提升企业的整体竞争力。本专利技术将业务流程模型知识库转换为多关系数据形式，通过在低维空间中进行头尾实体及其关系的嵌入式特征学习，实现流程建模中下一个活动的推荐。lightgcn图
2、一种基于lightgcn的业务流程建模推荐方法，包括以下步骤：
3、步骤(1)：获取大量petri网表示的业务流程模型组成的知识库，基于流程模型中不同结构特征，选择特定的三种关系策略提取活动与活动之间的关系；
4、步骤(2)：根据步骤(1)中的三种关系策略，分析活动之间可能存在的八种关系类型，遍历流程模型提取所有活动之间的关系，构建活动关系集；
5、步骤(3)：将步骤(2)得到的活动关系集进行数据预处理，包括去除缺失值、异常值和重复值，以及对数据进行统一编码处理等，然后进行格式转换，分别得到前驱活动(头实体)、后继活动(尾实体)及其之间的关系数据集，即三元组(前驱活动，关系，后继活动)；
6、步骤(4)：构建包括头尾实体关系嵌入层、嵌入更新图卷积层和尾实体及其关系预测层的lightgcn图卷积神经网络模型，将步骤(3)中得到的数据集进行格式变换得到该模型训练的输入；
7、步骤(5)：采用brp(bayesian personalized ranking)损失函数用于比较预测的结果和实际发生的活动之间的差异，并使用优化器对模型进行训练，通过不断更新模型的参数来最小化损失函数，对模型进行评估最终得到确定参数的业务流程建模推荐模型；
8、步骤(6)：将当前待推荐建模的流程作为步骤(5)中确定的模型的输入，通过模型预测的后继活动及其连接关系来进行推荐，实现业务流程自动化建模。
9、本专利技术基于petri网提取活动关系，petri网是一种支持建模并发语义的过程建模语言。一个petri网可以用n＝(p,t,f)表示，其中p和t分别被称为库所(place)集和变迁(transition)集，f是有向弧的集合，p和t需满足：(1)(2)(3)假设活动节点x,y∈t，定义x的前集(输入集)为x的后集或输出集为
10、所述的基于lightgcn的业务流程建模推荐方法，步骤(2)中，所述的活动关系的提取是基于petri网进行的，并且采用了三种关系策略；
11、所述的三种关系策略包括“直接先后顺序关系”、“直接因果关系”和“直接并发关系”。
12、所述的基于lightgcn的业务流程建模推荐方法，步骤(2)中，所述的活动关系集的构建是在权利要求2中所述的三种关系策略基础上，分析得到活动之间可能存在的八种关系类型，具体包括：
13、(1)直接先后顺序关系：如果存在p属于x的后集，并且使得y属于p的后集成立，则x与y的关系为x→y，即x与y之间存在“直接先后顺序”关系。
14、(2)直接因果关系：如果存在p属于x的后集，并且使得y是p的后集中唯一的元素成立，则定义x与y的关系为即x与y之间存在“总是直接因果”关系。
15、如果存在p属于x的后集，并且使得y属于p的后集，而y不是唯一的，则定义x与y的关系为即x与y之间存在“有时直接因果”关系。
16、类似地，还有“总是直接反向因果”关系表示为“有时直接反向因果”关系表示为
17、(3)直接并发关系：如果存在p∈p，使得x,y∈p·成立，则定义x，y的关系为即x与y之间存在“从未直接并发”关系。
18、如果存在其中p1≠p2，使得有且仅有x属于p1的后集，y属于p2的后集，x，y不是“从未直接并发”关系成立，则定义x与y的关系为即x与y之间存在“有时直接并发”关系。
19、如果存在其中p1≠p2，使得有且仅有x属于p1的后集，y属于p2的后集，x，y不是“有时直接并发”关系，则定义x，y的关系为x‖y，即x与y之间存在“总是直接并发”关系。
20、所述的构建前驱活动(头实体)、后继活动(尾实体)及其之间的关系数据集，即三元组(前驱活动，关系，后继活动)，进行格式变换得到作为lightgcn图卷积神经网络模型训练的输入，格式转换后的数据集tr是一个由头实体和尾实体及其关系组成的二元组(h,t),(其中h表示为流程模型中的某个前驱活动，即头实体；t表示为流程模型中的某个后继活动及其关系，即尾实体及其关系，即，带关系属性的尾实体)。
21、所述的构建lightgcn图卷积神经网络模型，将petri网业务流程模型提取关系活动集并进行格式转换后的数据集tr作为输入，然后搭建头尾实体关系嵌入层、嵌入更新图卷积层和尾实体及其关系预测层，具体包括：
22、(1)头尾实体关系嵌入层：该层输入是头实体h和尾实体及其关系t组成的数据集tr，随机初始化地构造头实体h和尾实体及其关系t的嵌入表示，将其映射到一个低维的嵌入向量空间中；
23、(2)嵌入更新图卷积层：将头尾实体关系嵌入层得到的头实体h和尾实体及其关系t的嵌入表示，通过聚合邻居节点的嵌入表示来更新当前节点的嵌入表示，得到更新后的嵌入向量；
24、(3)尾实体及其关系预测层：根据嵌入更新图卷积层得到的更新后的嵌入向量，计算头实体的嵌入表示和尾实体及其关系的嵌入表示之间的相似度进行预测，得到尾实体及其关系的概率分布，最后根据概率分布进行下一个活动及其连接关系的推荐。
25、所述的搭建好的lightgcn图卷积神经网络模型进行评估时，采用recall值(召回率)、precision值(精确率)和ndcg(归一化折损本文档来自技高网...
【技术保护点】
1.一种基于LightGCN的业务流程建模推荐方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于LightGCN的业务流程建模推荐方法，其特征在于，步骤(1)中，所述的关系策略为三种，包括直接先后顺序关系、直接因果关系和直接并发关系。
3.根据权利要求1所述的基于LightGCN的业务流程建模推荐方法，其特征在于，步骤(2)中，所述的关系类型为八种，包括：直接先后顺序关系、总是直接因果关系、有时直接因果关系、总是反向直接因果关系、有时反向直接因果关系、从未直接并发关系、有时直接并发关系、总是直接并发关系。
4.根据权利要求1所述的基于LightGCN的业务流程建模推荐方法，其特征在于，步骤(3)中，数据预处理具体包括：先去除缺失值、异常值和重复值，然后对数据进行统一编码处理。
5.根据权利要求1所述的基于LightGCN的业务流程建模推荐方法，其特征在于，步骤(4)中，所述的LightGCN图卷积神经网络模型包括：依次连接的头尾实体关系嵌入层、嵌入更新图卷积层、尾实体关系预测层。
6.根据权利要求1所述的基于
7.根据权利要求1所述的基于LightGCN的业务流程建模推荐方法，其特征在于，步骤(4)中，将二元组输入到模型进行初始化，具体包括：
8.根据权利要求1所述的基于LightGCN的业务流程建模推荐方法，其特征在于，步骤(5)中，采用召回率、精确率和归一化折损累计增益对模型进行评估。
9.一种基于LightGCN的业务流程建模推荐系统，其特征在于，实现权利要求1～8任一项所述的基于LightGCN的业务流程建模推荐方法，包括：
...【技术特征摘要】
1.一种基于lightgcn的业务流程建模推荐方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于lightgcn的业务流程建模推荐方法，其特征在于，步骤(1)中，所述的关系策略为三种，包括直接先后顺序关系、直接因果关系和直接并发关系。
3.根据权利要求1所述的基于lightgcn的业务流程建模推荐方法，其特征在于，步骤(2)中，所述的关系类型为八种，包括：直接先后顺序关系、总是直接因果关系、有时直接因果关系、总是反向直接因果关系、有时反向直接因果关系、从未直接并发关系、有时直接并发关系、总是直接并发关系。
4.根据权利要求1所述的基于lightgcn的业务流程建模推荐方法，其特征在于，步骤(3)中，数据预处理具体包括：先去除缺失值、异常值和重复值，然后对数据进行统一编码处理。
5.根据权利要求1所述的基于lightgc...
【专利技术属性】
技术研发人员：王娇娇，丛乾恩，杨阳，张随雨，俞定国，
申请(专利权)人：浙江传媒学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。