[发明专利]一种多并发三角形2度循环的过程模型挖掘方法

摘要

本发明提供了一种多并发三角形2度循环的过程模型挖掘方法，首先，根据三角形2度循环的定义提出三角形2度循环并发块的概念，并且依据数量特征将活动分为主体活动和回调活动，然后，依据活动首次在迹中首次出现的位置，采用剪枝的思想将不正确的活动匹配删除，从而得到正确的活动匹配。该方法实现简单，易于操作，对日志完备性依赖程度低，准确性高，不会挖掘出日志中不存在的关系。经过实验分析，验证了本文算法能够正确有效的挖掘多并发三角形2度循环，并且该方法得到的模型有着更高的精确度和拟合度。

主权项

1.一种多并发三角形2度循环的过程模型挖掘方法，其特征在于，包括以下步骤：步骤1：根据三角形2度循环的定义提出三角形2度循环并发块，依据数量特征将活动分为主体活动和回调活动；定义三角形2度循环，用Δ>L或<ΔL表示；设N＝(P,T；F,M)是一个Petri网模型，a，b是N中的两个变迁，aΔ>Lb或b<ΔLa当且仅当：(1)(2)假设M1∈R(M0)，使得M1[a>M2，且不存在M1[σ>M2，其中σ为发生序列，则仅存在M2[b>M1，若M2非最终标识且存在M2[x>M3，其中x∈T，a≠x≠b；设活动ai，bi构成三角形2度循环，满足aiΔ>Lbi或bi<Δiai，ai为主体活动，bi为回调活动，称所有主体活动构成的集合和所有回调活动的集合分别为主体活动集合和回调活动集合，其形式化定义如下：定义主体活动集合和回调活动集合设BoL为主体活动集合，CL为回调活动集合，其中：(1)(2)定义三角形2度循环并发块设二元组(a1,b1)，(a2,b2)，……，(an,bn)中的活动均满足aiΔ>Lbi，当n个三角形2度循环并发时，存在唯一的变迁x和y，满足：(1)x＝●(●a1)∩●(●a2)∩……∩●(●an)；(2)y＝(a1●)●∩(●a2●)●∩……∩(an●)●；称x，y与n个并发的三角形2度循环组成的结构为三角形2度循环并发块，其中hΔ＝x为块首活动，tΔ＝y为块尾活动；迹中连续发生的两个活动构成直接跟随关系，利用直接跟随关系能判断并发关系、因果关系，直接跟随集合的定义如下：定义直接跟随集合直接跟随集合D_L中的元素是迹中所有构成>_L关系的活动组成的二元组，即构成循环结构的活动会在日志中多次出现，活动的次数关系是判断循环的一个重要参考，下面给出活动出现次数的定义：定义活动出现次数设日志L，迹σ∈L，活动a∈σ，sum(a,σ)表示活动在迹中的出现次数，sum(a,L)表示活动在日志中出现的总次数；算法1主体活动和回调活动的分类算法输入：满足局部完备性的日志L；输出：主体活动集合BoL和回调活动集合CL；步骤(1)：创建来统计活动次数的一维数组LTM，创建直接跟随集合DL，主体活动集合BoL，回调活动集合CL以及三角形2度循环并发块块首活动hΔ并进行初始化；步骤(2)：遍历日志L，将起始活动放入开始活动集合TI，将结束活动放入结束活动集合To，将所有活动放入活动集合TL，并且将连续出现的活动组成二元组，将二元组放入直接跟随集合DL中；步骤(3)：遍历日志L，统计活动集合TL中活动出现的次数，将次数放入一维数组LTM对应的位置；步骤(4)：遍历一维数组LTM，如果数组中两元素之差大于0，并且两元素对应的活动在日志中处于并发关系，则遍历日志中的任意一条迹，将两活动中首先出现的活动之前的一个活动赋值为三角形2度循环并发块块首活动hΔ；步骤(5)：遍历活动集合TL，将与块首活动hΔ满足因果关系的活动放入主体活动集合BoL，将与主体活动集合中活动满足并发关系和直接跟随关系的活动放入回调活动集合CL中；步骤(6)：返回主体活动集合BoL和回调活动集合CL；步骤2：定义活动首次在迹中出现的位置，采用剪枝的思想将不正确的活动匹配删除，从而得到正确的活动匹配；定义活动首次在迹中出现的位置设迹σ∈L，活动a∈σ，first(a,σ)表示活动a在迹σ中第一次出现时的位置下标；定义首次标记位置矩阵设日志L，集合Bo_L∪C_L，则首次标记位置矩阵为FM[|L|][|Bo_L∪C_L|]，满足a_j∈Bo_L∪C_L，有FM[σ_i][a_j]＝first(a_j,σ_i)；利用首次标记位置矩阵获得匹配结果，所有匹配结果构成的集合被称作匹配结果集合，匹配结果和匹配结果集合的定义如下：定义匹配结果和匹配结果集合匹配结果是一个二元组mt_l＝(a,b)，其中a为主体活动，b为回调活动，二元组中的活动不能同时为主体活动或者回调活动，即匹配结果集合MTL是由匹配结果mtl组成的集合，即MTL＝{(a,b)|(a∈BoL∧b∈CL)∨(b∈BoL∧a∈CL)}；算法2主体活动和回调活动匹配算法输入：满足局部完备性的日志L，主体活动集合BoL，回调活动集合CL；输出：匹配结果集合MTL；步骤(1)：创建首次标记位置矩阵FM[|L|][|BoL∪CL|]，匹配结果集合MTL和匹配结果mtl1并进行初始化；步骤(2)：将主体活动集合BoL和回调活动集合CL中的活动做笛卡尔积，将组成的二元组赋值给mtl1，并将所有的mtl1放入匹配结果集合MTL中；步骤(3)：遍历日志L，将L中属于集合BoL∪CL的活动首次在迹中出现的位置记录下来并存储在二维数组FM[|L|][|BoL∪CL|]中对应的位置；步骤(4)：遍历二维数组FM[|L|][|BoL∪CL|]，若回调活动集合CL中的活动位置小于主体活动集合BoL中的位置，则将匹配结果集合MTL中这个活动的笛卡尔积删除；步骤(5)：返回匹配结果集合MTL；步骤3：得出AlphaMatch算法，完成多并发三角形2度循环的过程模型挖掘；定义AlphaMatch算法设L为一个基于活动的日志，那么AlphaMatch(L)定义如下：(1)(2)(3)(4)(5)(6)(7)(8)(9)PL＝{P(A,B)|(A,B)∈YL}∪{iL,oL}；(10)FL＝{(a,P(A,B))|(A,B)∈YL∧a∈A}∪{(P(A,B),b)|(A,B)∈YL∧b∈B}∪{(iL,t)|t∈TI}∪{(t,oL)|t∈TO}；(11)AlphaMatch(PL,TL,FL)；AlphaMatch算法先将主体活动和回调活动进行分类，再对主体活动与回调活动匹配，最后返回正确匹配的结果集MTL，并获得结果集中活动间的关系。