[发明专利]一种含时间约束工作流的挖掘算法

权利要求书

1.一种含时间约束的工作流挖掘方法，用于挖掘含时间戳的事件日志的工作流模型，以包含时间戳的事件日志为输入，以挖掘出的时间约束工作流模型为输出结果，其特征在于，步骤如下：

步骤1，基于事件序列挖掘事件关系，扫描混合型事件日志的每一条事件序列，获取基于事件序列的事件关系，之后推导出整个日志层面的事件关系；

事件序列σ＝{t₁，t₂，t₃，...t_n}包含n个事件，t₁…t_n表示n个事件，其中t_i＝c表示事件t_i是点事件c，t_i＝d_s表示事件t_i是区间事件d的开始，t_i＝d_e表示t_i是区间事件d的结束，求日志层面事件关系的具体过程如下：

步骤1-1，解析事件日志，获取日志中所有的事件序列的集合，所述事件序列集合是指日志中事件可能发生的先后顺序的排序组合；

步骤1-2，扫描集合中的每一条序列，获得每条序列中事件间的关系；对于任意一条事件序列σ＝{t₁，t₂，t₃，...t_n}，其中包含两个事件x和y，根据事件发生的先后顺序，求解x和y之间的关系，具体包括：

(1)直接优先关系，符号表示为＞：当序列内两个事件t_i和t_j同时满足以下五个条件，则x＞y；五个条件为：①t_i＝x或t_i＝x_e；②t_j＝y或t_j＝y_s；③不存在p，i＜p＜j，t_p＝z；④不存在k，i＜k＜j，t_k＝z_s；⑤不存在p，i＜p＜j，t_p＝z_e；

(2)相交关系，符号表示为|：当序列内几个事件t_i，t_j，t_p，t_q满足以下两个条件中的任意一个，则x|y，y|x；两个条件为：①t_i＝x_s，t_j＝x_e，t_p＝y_s，t_q＝y_e，且p＜i＜q或i＜p＜j；②t_i＝y_s，t_j＝y_e，t_p＝x，且i＜p＜j；

步骤1-3，整合所有的序列级事件关系，判断日志包含的所有事件之间的关系，具体包括：

(1)因果关系，符号表示为→：对于事件x和y，若x＞y，y≯x，且则x→y；

(2)并发关系，符号表示为||：对于事件x和y，若x|y，或x＞y且y＞x，则x||y；

(3)独立关系，符号表示为#：对于事件x和y，若x≯y，y≯x，且则x#y；

步骤2，挖掘事件日志中每个事件对应的时间约束，根据事件的时间戳和求得的日志层面的事件关系，计算事件从使能到开始发生和到完成分别需要的时间，通过不断读取事件序列对时间约束不断更新获得整个日志层面的时间约束；

事件序列σ＝{t₁，t₂，t₃，...t_n}包含n个事件，ts(σ[p])表示记录的事件t_p的时间，ts(σ)表示记录的当前序列使能的时间，SEFT(y)和SLFT(y)分别表示事件y从使能到开始发生和到完成需要的时间，求解事件时间约束的过程具体包括以下步骤：

步骤2-1，初始化日志中包含的每个事件的时间约束，包括将事件的最早开始时间SEFT初始化为最大值∞，将事件的最晚完成时间SLFT初始化为最小值0；

步骤2-2，计算序列中事件的时间约束，具体包括：

(1)对于事件y，y为序列的起始事件，若序列中的事件t_p＝y或y_s，t_q＝y或y_e，则根据此序列求得的事件y对应的时间约束为：SEFT(y)＝ts(σ[p])-ts(σ)；SLFT(y)＝ts(σ[q])-ts(σ)；

(2)对于事件x和y，存在关系x→y，若序列中的事件t_i＝x或x_e，t_j＝y或y_s，t_k＝y或y_e，不存在l满足i＜l＜j，σ[l]＝z或z_e，z→y，则求得事件y的时间约束为：SEFT(y)＝ts(σ[j])-ts(σ[i])；SLFT(y)＝ts(σ[k])-ts(σ[i])；

步骤2-3，对日志的每一条序列的事件求时间约束，若当前序列求得的事件y的最早开始时间＜已有的SEFT(y)，则SEFT(y)＝当前y最早开始时间；若当前序列求得的事件y的最晚结束时间＞已有的SLFT(y)，则SLFT(y)＝当前最晚完成时间；

步骤3，调用α算法中基于日志层面事件关系的模型生成算法生成不含时间约束的工作流模型，之后将事件的时间约束附加到模型的事件，获得最终的时间约束工作流模型。

2.根据权利要求1所述的含时间约束的工作流挖掘方法，其特征在于：步骤3中，根据步骤1求得的事件关系，调用α算法基于日志层事件关系的模型生成算法生成不含时间约束的工作流模型，将步骤2求得的时间约束附加到模型的事件中，产生最终的时间约束工作流模型。