[发明专利]基于活动间依赖关系分析的工作流挖掘方法

说明书

技术领域

本发明属于工作流领域，特别是工作流领域中的工作流挖掘技术，即从工作流日志中挖掘工作流过程模型的方法。 

背景技术

工作流是业务过程的自动化或半自动化，它将业务流程中的过程逻辑和规则在计算机中用恰当的模型进行表示，并对其实施计算。工作流要解决的主要问题是：为实现某个业务目标，在多个参与者之间，利用计算机，按某种预定规则自动传递文档、信息或任务。工作流技术的核心在于工作流建模，传统的工作流建模依赖于业务过程建模人员的个人能力与主观经验，这种人工建模的方式难以有效应对快速变化的业务环境。在开放、动态、多变的Internet环境下，工作流的执行往往已经偏离了先前的工作流模型，因此如何根据不断变化的业务需求，建立符合用户期望的、与时俱进的过程模型是工作流技术面临的一项关键挑战。 

针对上述问题，依照数据挖掘的思想，采用工作流挖掘(又称过程挖掘)技术可以自动地从业务过程的历史执行日志中提取出实际运行的过程模型，即从工作流日志中重构工作流模型，达到流程分析和流程优化的目的。事件日志的每条路径一般按照活动实际执行的时间顺序线性排列，分析活动间的本质关系是保证有效挖掘实际工作流过程模型的关键。 

工作流挖掘出的工作流模型一般通过Petri网或者有向图进行表示。Petri网可以方便刻画工作流模型中的活动间的顺序、选择、循环和并发关系，因此很多工作流模型采用Petri网来表示，例如工作流网(WF-net)，它用变迁表示工作流活动，库所表示活动发生前后的条件。基于有向图的工作流模型表达方式更加贴近工作流实际表象，它由活动集和有向边集构成，其中活动集包含基本活动结点和表示并发、选择的结构化活动节点(例如AND-Split/AND-Join、OR-Split/OR-Join等)。相对于Petri网模型，有向图模型更便于理解和使用。 

现有过程挖掘技术α方法，α+方法，α++方法和β方法等主要基于执行日志(活动序列的集合)进行过程定义的挖掘。在每个活动序列中，各个活动实际上是按照其执行结束时间进行排序的，某些活动之间其实并不存在内在的先后执行关系。为推导出这些活动间实际的控制流关系，这些方法都假设执行日志中含有足够数量的活动序列从而可以囊括过程定义中的所有路径。这一假设有助于从活动序列中分析出过程模型中的并发结构和选择结构，然而在需要及时响应演化需求的前提下，上述假设并不容易满足，尤其当过程定义中并发执行的活动数目比较多时。 

发明内容

本发明的目的在于提供一种基于依赖关系分析的工作流挖掘方法，当事件日志信息有限(所包含的路径信息不足)的条件下，能有效地识别工作流中的并发关系，从而挖掘出整体工作流模型。 

实现本发明目的的技术解决方案为：一种基于依赖关系分析的工作流挖掘方法，基于事件日志的工作流挖掘，以事件日志去除冗余路径得到的目标路径集为输入，以基于有向图的工作流模型为输出结果，该方法具体包含以下步骤： 

（1）从事件日志L中去除冗余的路径，获得目标路径集L'； 

（2）对目标路径集L'中的每条路径的活动进行依赖关系R分析，得到动态依赖图DDG； 

（3）分析动态依赖图DDG，根据活动间的依赖关系得到基于有向图的工作流模型CFG作为输出。 

步骤（1）中的事件日志L={t₁，t₂，…}，t₁，t₂，…表示路径； 

事件日志按照活动的执行顺序存储，事件日志L中包含基本活动、表示选择、循环工作流模式的结构化活动，每个活动包含活动名称、输入输出变量信息和所处选择分支的真假断言； 

目标路径集L'是通过将事件日志中满足以下两种情况的路径筛除得到的路径集合： 

当路径t₁和路径t₂重复时，即t₁结点序列和t₂结点序列等价即字符串等价； 

当路径t₁是路径t₂的前缀时，即t₁结点序列是t₂结点序列的一个子串。 

所述步骤（2）中；依赖关系R=（A_i,A_j），A_i和A_j表示活动；它包含控制依赖关系和数据依赖关系两种，在动态依赖图DDG中以有向边的形式展现；