基于角色加權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成方法
【專利摘要】本發(fā)明涉及一種基于角色加權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成方法，包括：S1、基于角色的重要度和頻繁度對不同角色進行加權(quán)；S2、對業(yè)務系統(tǒng)運行日志進行數(shù)據(jù)挖掘，基于各活動的角色加權(quán)關聯(lián)規(guī)則獲得活動和角色二維流程頻繁集；S3、將所述活動和角色二維流程頻繁集轉(zhuǎn)化成流程矩陣，從而生成活動和角色的二維工作流程圖。實施本發(fā)明的基于角色加權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成方法可以從兩方面提高工作效率，(1)可自動生成智能型工作流，提高系統(tǒng)管理的效率；(2)且所述智能工作流中的各節(jié)點包含角色和活動，所述工作流在系統(tǒng)運行過程中將無需人工干預，工作流自動流轉(zhuǎn)，因此可以提高業(yè)務系統(tǒng)運行工作效率，避免操作失誤。
【專利說明】基于角色加權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成 方法

【技術領域】
[0001] 本發(fā)明涉及業(yè)務管理領域，更具體地說，涉及一種基于角色加權(quán)關聯(lián)規(guī)則的角色 與活動的智能工作流的生成方法。

【背景技術】
[0002] 第三次工業(yè)革命將顛覆傳統(tǒng)工業(yè)經(jīng)濟時代的生產(chǎn)生活方式，而其核心之一是智能 化技術在各領域的廣泛應用。隨著信息化水平的不斷提高，越來越多的企業(yè)建立了自己的 業(yè)務管理系統(tǒng)，涉及生產(chǎn)銷售、人、財、物等各方面，這些系統(tǒng)的運行日志記錄各個業(yè)務實際 運行過程，是企業(yè)一個可利用寶貴財富。
[0003] 業(yè)務系統(tǒng)的不斷運轉(zhuǎn)，各系統(tǒng)運行日志為企業(yè)的工作流挖掘提供了大量的數(shù)據(jù)基 礎。工作流挖掘通過對業(yè)務流程運行日志進行分析，發(fā)現(xiàn)活動間邏輯關系，挖掘蘊涵在實際 執(zhí)行過程中的一些規(guī)則，自動生成工作流。
[0004] "工作流挖掘"自1995年由Joanthan E. Cook提出后已有了很大發(fā)展。有關工作 流挖掘算法有代表型的研究成果包括以下幾個方面。
[0005] Rakesh Agrawal等人設計了工作流挖掘算法，引入有向圖描述工作流的模型，將 其應用到企業(yè)工作流。
[0006] Herbst等提出基于隨機活動圖的歸納式算法。這種算法在隨機行為圖的基礎上， 用隨機模型去掉日志中的噪音數(shù)據(jù)，通過ADONIS模型將并行、選擇結(jié)構(gòu)工作流呈現(xiàn)給用 戶。
[0007] Aalst等提出基于工作流網(wǎng)的α算法。α算法用啟發(fā)式方法去掉日志中的噪音， 從已經(jīng)過噪音清除的日志中挖掘活動間的關系，并用基于Petri網(wǎng)的工作流程網(wǎng)表示挖掘 的結(jié)果。利用α算法可以發(fā)現(xiàn)日志的變化，有利于工作流的動態(tài)生成。現(xiàn)有的工作挖掘 算法主要是利用α算法的原理實現(xiàn)日志挖掘。
[0008] 工作流的是由各種角色智能體來實現(xiàn)的，這些角色執(zhí)行不同活動任務，協(xié)調(diào)完成 工作流程。然而迄今為止，工作流挖掘算法得到的工作流主要是基于活動的工作流，這類基 于活動的工作流中的節(jié)點只有活動或任務的信息，而對各活動任務的執(zhí)行者角色沒有任何 描述。因此，現(xiàn)有的自動生成的工作流都需要人工負責中轉(zhuǎn)，因此在中轉(zhuǎn)過程中滯留時間 長、失誤率高，導致工作效率低。


【發(fā)明內(nèi)容】

[0009] 本發(fā)明要解決的技術問題在于，針對現(xiàn)有技術的生成的工作流需要人工負責中 轉(zhuǎn)，因此在中轉(zhuǎn)過程中滯留時間長、失誤率高，導致工作效率低的缺陷，提供一種無需人工 干預自動生成智能工作流，此智能工作流自動流轉(zhuǎn)，提高工作效率，避免操作失誤的角色加 權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成方法從而節(jié)省人工構(gòu)建工作流的系統(tǒng)管理 時間，自動流轉(zhuǎn)減少流轉(zhuǎn)滯留時間和流轉(zhuǎn)錯誤，大大提高工作效率和系統(tǒng)自動化水平。
[0010] 本發(fā)明解決其技術問題所采用的技術方案是：構(gòu)造一種基于角色加權(quán)關聯(lián)規(guī)則的 角色與活動的智能工作流的生成方法，包括：
[0011] S1、基于角色的重要度和頻繁度對不同角色進行加權(quán)；
[0012] S2、對業(yè)務系統(tǒng)運行日志進行數(shù)據(jù)挖掘，基于各活動的角色加權(quán)關聯(lián)規(guī)則獲得活 動和角色二維流程頻繁集；
[0013] S3、將所述活動和角色二維流程頻繁集轉(zhuǎn)化成流程矩陣，從而生成活動和角色的 二維工作流程圖。
[0014] 在本發(fā)明所述的基于角色加權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成方法 中，所述步驟S2包括：
[0015] S21、構(gòu)建流程頻繁集挖掘器，并利用層析分析法確定基于角色的重要度分布，從 而建立加權(quán)關聯(lián)規(guī)則分析引擎；
[0016] S22、對所述業(yè)務系統(tǒng)運行日志進行清洗和轉(zhuǎn)換，從而使得所述業(yè)務系統(tǒng)運行日志 的數(shù)據(jù)結(jié)構(gòu)與所述流程頻繁集挖掘器的數(shù)據(jù)結(jié)構(gòu)對接；
[0017] S23、基于所述業(yè)務系統(tǒng)運行日志中角色的頻繁度和重要度綜合分析確定角色權(quán) 重和各活動的時間順序，利用所述加權(quán)關聯(lián)規(guī)則分析引擎構(gòu)成的所述流程頻繁集挖掘器獲 得所述活動和角色二維流程頻繁集。
[0018] 在本發(fā)明所述的基于角色加權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成方法 中，所述步驟S23包括：
[0019] S231、掃描所述業(yè)務系統(tǒng)運行日志，找出全部的1項活動和角色二維流程頻繁集；
[0020] S232、采用二維項集連接法基于所述1項活動和角色二維流程頻繁集生成候選活 動和角色二維流程頻繁集；
[0021] S233、采用項集加權(quán)支持度剪枝法從所述候選活動和角色二維流程頻繁集去除非 活動和角色二維流程頻繁集從而生成所述活動和角色二維流程頻繁集。
[0022] 在本發(fā)明所述的基于角色加權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成方法 中，在所述步驟S232中，遞歸執(zhí)行所述二維項集連接法以生成所述候選活動和角色二維流 程頻繁集。
[0023] 在本發(fā)明所述的基于角色加權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成方法 中，在所述步驟S232中，將K項活動和角色二維流程頻繁集中所有只有一個項屬性不同的 兩個活動和角色二維流程頻繁集做匹配連接運算以生成所述候選活動和角色二維流程頻 繁集，其中K為大于1且小于預定的最大工作流節(jié)點數(shù)的正整數(shù)。
[0024] 在本發(fā)明所述的基于角色加權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成方法 中，在所述步驟S233中，遞歸執(zhí)行所述項集加權(quán)支持度剪枝法以從所述候選活動和角色二 維流程頻繁集去除非活動和角色二維流程頻繁集從而生成所述活動和角色二維流程頻繁 集。
[0025] 在本發(fā)明所述的基于角色加權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成方法 中，所述步驟S3包括：
[0026] S31、將所述活動和角色二維流程頻繁集轉(zhuǎn)成角色和活動二維空間上的節(jié)點和流 程矩陣，從而得到所述節(jié)點間的流轉(zhuǎn)關系；
[0027] S32、基于所述流轉(zhuǎn)關系將所述節(jié)點有向連接從而生成活動和角色的二維工作流 程圖。
[0028] 在本發(fā)明所述的基于角色加權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成方法 中，所述步驟S31包括：
[0029] S311、檢測所述活動和角色二維流程頻繁集是否為完整流程以剔除非完整流程的 所述活動和角色二維流程頻繁集；
[0030] S312、計算首項和末項相同的所述活動和角色二維流程頻繁集的相似度，且將所 述相似度大于相似度閾值的所述活動和角色二維流程頻繁集定義為同類活動和角色二維 流程頻繁集；
[0031] S313、將所述同類活動和角色二維流程頻繁集轉(zhuǎn)成角色和活動二維空間上的節(jié)點 和流程矩陣，從而得到所述節(jié)點間的流轉(zhuǎn)關系。
[0032] 在本發(fā)明所述的基于角色加權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成方法 中，所述相似度閾值基于自動分析所述業(yè)務系統(tǒng)運行日志確定。
[0033] 本發(fā)明解決其技術問題采用的另一技術方案是，構(gòu)造一種基于角色加權(quán)關聯(lián)規(guī)則 的角色與活動的智能工作流的生成系統(tǒng)，包括：
[0034] 加權(quán)模塊，用于基于角色的重要度和頻繁度對不同角色進行加權(quán)；
[0035] 流程頻繁集生成模塊，用于對業(yè)務系統(tǒng)運行日志進行數(shù)據(jù)挖掘，通過基于活動的 角色加權(quán)關聯(lián)規(guī)則分析獲得活動和角色二維流程頻繁集；
[0036] 流程轉(zhuǎn)換模塊，用于將所述活動和角色二維流程頻繁集轉(zhuǎn)化成流程矩陣，從而生 成活動和角色的二維工作流程圖。
[0037] 實施本發(fā)明的基于角色加權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成方法和 系統(tǒng)，可以從兩方面提高工作效率，（1)可自動生成智能型工作流，提高系統(tǒng)管理的效率； (2)且所述智能工作流中的各節(jié)點包含角色和活動，所述工作流在系統(tǒng)運行過程中將無需 人工干預，工作流自動流轉(zhuǎn)，因此可以提高業(yè)務系統(tǒng)運行工作效率，避免操作失誤。

【專利附圖】

【附圖說明】
[0038] 下面將結(jié)合附圖及實施例對本發(fā)明作進一步說明，附圖中：
[0039] 圖1是本發(fā)明的基于角色加權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成方法 的第一實施例的流程圖；
[0040] 圖2是本發(fā)明的基于角色加權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成方法 的第二實施例的流程圖；
[0041] 圖3是本發(fā)明的基于角色加權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成方法 的轉(zhuǎn)換矩陣示意圖；
[0042] 圖4是圖3所示轉(zhuǎn)換矩陣獲得的工作流程圖；
[0043] 圖5是本發(fā)明的基于角色加權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成系統(tǒng) 的第一實施例的原理框圖。

【具體實施方式】
[0044] 本發(fā)明的基于角色加權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成方法是基于 活動和角色二維節(jié)點組挖掘，挖掘的單元是活動角色二元組，得到二維流程頻繁集。同時為 了減少遺漏活動角色節(jié)點，根據(jù)角色的重要度和頻繁度的不同進行賦權(quán)，再進行加權(quán)關聯(lián) 分析，得到完整的活動角色流程頻繁集。經(jīng)過節(jié)點流轉(zhuǎn)矩陣轉(zhuǎn)換得到工作流程圖。本發(fā)明通 過定義對應活動的角色屬性，將活動與執(zhí)行角色關聯(lián)起來，使工作流中的各節(jié)點為既有角 色定義又有活動任務的二元組。并且通過將加權(quán)概念引入關聯(lián)規(guī)則流程頻繁集挖掘算法， 可以使一些操作出現(xiàn)頻度不高的重要活動不被遺漏，從而挖掘更加實用、有效、功能完整的 工作流模型。
[0045] 圖1是本發(fā)明的基于角色加權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成方法 的第一實施例的流程圖。如圖1所示，在步驟S1中、基于角色的重要度和頻繁度對不同角 色進行加權(quán)。通過角色的權(quán)重設置避免一些重要但出現(xiàn)頻率不高的角色被遺漏，從而可以 挖掘出更加實用、有效、功能完成的工作流模型。在步驟S2中，對業(yè)務系統(tǒng)運行日志進行數(shù) 據(jù)挖掘，基于各活動的角色加權(quán)關聯(lián)規(guī)則獲得活動和角色二維流程頻繁集。在本步驟中，可 以利用基于角色加權(quán)關聯(lián)規(guī)則模型對業(yè)務系統(tǒng)運行日志進行數(shù)據(jù)挖掘，找出其中的活動和 角色二維流程頻繁集，即同時包括〈活動、角色〉數(shù)組組成的流程頻繁集。在步驟S3中， 將所述活動和角色二維流程頻繁集轉(zhuǎn)化成流程矩陣，從而生成活動和角色的二維工作流程 圖。在本發(fā)明中，可以根據(jù)相似度將所述活動和角色二維流程頻繁集合并為同類活動和角 色二維流程頻繁集，隨后將所述同類活動和角色二維流程頻繁集轉(zhuǎn)成角色和活動二維空間 上的節(jié)點和流程矩陣，從而得到所述節(jié)點間的流轉(zhuǎn)關系；隨后基于所述流轉(zhuǎn)關系將所述節(jié) 點有向連接從而生成活動和角色的二維工作流程圖，從而得出一個由活動和角色的二元組 節(jié)點組成的實用、安全、功能完整的工作流模型。
[0046] 實施本發(fā)明的基于角色加權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成方法，無 需人工干預工作流自動流轉(zhuǎn)，因此可以提高工作效率，避免操作失誤。并且通過將加權(quán)概念 引入關聯(lián)規(guī)則流程頻繁集挖掘算法，可以使一些操作出現(xiàn)頻度不高的重要活動不被遺漏， 從而挖掘更加實用、有效、功能完整的工作流模型。
[0047] 圖2是本發(fā)明的基于角色加權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成方法 的第二實施例的流程圖。如圖2所示，在步驟S1中、基于角色的重要度和頻繁度對不同角 色進行加權(quán)。通過角色的權(quán)重設置避免一些重要但出現(xiàn)頻率不高的角色被遺漏，從而可以 挖掘出更加實用、有效、功能完成的工作流模型。在步驟S2中，構(gòu)建流程頻繁集挖掘器，并 利用層析分析法確定基于角色的重要度分布，從而建立加權(quán)關聯(lián)規(guī)則分析引擎。在步驟S3 中對業(yè)務系統(tǒng)運行日志進行清洗和轉(zhuǎn)換，從而使得所述業(yè)務系統(tǒng)運行日志的數(shù)據(jù)結(jié)構(gòu)與所 述流程頻繁集挖掘器的數(shù)據(jù)結(jié)構(gòu)對接。在步驟S4中，基于所述業(yè)務系統(tǒng)運行日志中角色的 頻繁度和重要度綜合分析確定角色權(quán)重和各活動的時間順序，利用所述加權(quán)關聯(lián)規(guī)則分析 引擎構(gòu)成的所述流程頻繁集挖掘器獲得所述活動和角色二維流程頻繁集。在本發(fā)明的一個 實施例中，可以掃描所述業(yè)務系統(tǒng)運行日志，找出全部的1項活動和角色二維流程頻繁集。 接著采用項集連接法基于所述1項活動和角色二維流程頻繁集生成候選活動和角色二維 流程頻繁集。隨后采用項集加權(quán)支持度剪枝法從所述候選活動和角色二維流程頻繁集去除 非活動和角色二維流程頻繁集從而生成所述活動和角色二維流程頻繁集。在步驟S5中，將 所述活動和角色二維流程頻繁集轉(zhuǎn)成角色和活動二維空間上的節(jié)點和流程矩陣，從而得到 所述節(jié)點間的流轉(zhuǎn)關系。在本發(fā)明的一個實施例中，檢測所述活動和角色二維流程頻繁集 是否為完整流程以剔除非完整流程的所述活動和角色二維流程頻繁集，接著計算首項和末 項相同的所述活動和角色二維流程頻繁集的相似度，且將所述相似度大于相似度閾值的所 述活動和角色二維流程頻繁集定義為同類活動和角色二維流程頻繁集；最后將所述同類活 動和角色二維流程頻繁集轉(zhuǎn)成角色和活動二維空間上的節(jié)點和流程矩陣，從而得到所述節(jié) 點間的流轉(zhuǎn)關系。在步驟S6中，基于所述流轉(zhuǎn)關系將所述節(jié)點有向連接從而生成活動和角 色的二維工作流程圖。
[0048] 下面將結(jié)合具體實現(xiàn)方式對本發(fā)明的基于角色加權(quán)關聯(lián)規(guī)則的角色與活動的智 能工作流的生成方法進一步說明如下。為了后面描述方便，下面將給出本發(fā)明的基于角色 加權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成方法中需要用到的概念和定義。
[0049] 在本發(fā)明中，為了挖掘出包括活動和角色兩項內(nèi)容工作流，以活動和角色組成的 二元組作為工作流模型的基本單元，本發(fā)明引入活動角色二元組的概念，令Η = {(%!〇 (u2，h2)…，（hn，un)}表示日志中所有活動角色二元組的集合。
[0050] 工作流實例是在某時間用戶角色實際執(zhí)行某活動，由 (InsNO, userrole, handle, time)四個屬性描述。其中InsNO為實例編號，time為活動h的 發(fā)生時間，userrole 為角色，（userrole，handle) e H。
[0051] 工作流日志，是指就是工作流實例的集合，記錄用戶在什么時間執(zhí)行什么 活動的記錄，設Η為一個工作流中所有活動角色二元組的集合，L為工作流日志，L = {(InsNo, userrole, handle, time) (userrole, handle) e Η}。工作流事件 e 就是活動和角 色二元組h按一個給定的流程c的執(zhí)行，定義為e = (c，h)。
[0052] 活動角色二元組的直連，L為工作流日志，Η為一個工作流中所有活動角色二元組 的集合，a、b e Η，如果在工作流日志中出現(xiàn)的順序a先于b，即a的活動執(zhí)行完成后流轉(zhuǎn)到 b活動執(zhí)行，則稱a直連b,表示為a_>b。
[0053] 流程節(jié)點的匹配，工作流程圖中活動節(jié)點為活動和活動的執(zhí)行角色組成的二元 組，K = (1^，h)，N2 = (r2, h2)，當且僅當& = r2, h = h2時活動節(jié)點&與N2匹配，記&? N2。
[0054] 二維工作流，流程圖G= (N，F(xiàn))為節(jié)點組成的有向圖，其中節(jié)點包括活動和活動角 色組成的二元組，活動角色工作實例I是工作日志的子集，如果實例I支持一個流程圖表示 的工作流模式G，則記為G》I。
[0055] 流程頻繁集，設S為一個日志中實例子集，G為工作流模式。則實例S對于G的支 持度P = I {1:1 e S，G》I} |/|S|，其中|S|表示日志中的實例數(shù)。如果實例集S對模式G 的支持度S >最小支持度閾值Ps，則實例集S是有向圖所表示的工作流模式G上的流程頻 繁集。
[0056] 流轉(zhuǎn)矩陣，流轉(zhuǎn)矩陣用來描述活動角色二元組之間流轉(zhuǎn)關系。設DS(S)為實例集 S所有活動與角色二元組的集合，Ii，L e DS (S)，則實例集S對應的流轉(zhuǎn)矩陣為VxV階矩陣 D= ((^)νχν，ν= |DS(S) |，|DS(S) |為集合DS⑶的長度。其中，假如活動節(jié)點&廠>&』，則 & = 1，dji = -1，否則& = & = 0。流轉(zhuǎn)矩陣反映了實例集中活動節(jié)點之間的邏輯關系， 當活動ai->aj時，即在流程圖上活動節(jié)點ai連接并指向a』。
[0057] 加權(quán)支持度：設項目集X = {a!, a2, · · ·，ak}，相應的權(quán)重R = {rp r2, · · ·，rk}，則 k i 項目集X的加權(quán)支持度wsup為：wsup(X)=2>;:x -;-^2-z' xsupW)，其中 /=1 max, k sup (X)為X的傳統(tǒng)支持度計數(shù)，權(quán)重之和，max {rp r2，…，rk}稱為X的最大權(quán)值，
[0058] -、基于角色加權(quán)的活動角色組關聯(lián)規(guī)則的挖掘
[0059] 本發(fā)明以記錄了活動角色的工作日志為數(shù)據(jù)源，找出活動角色頻繁項集。下面程 序CompFrequs實現(xiàn)了頻繁項集的搜尋功能，C k代表k項候選流程頻繁集；Lk代表k項流程 頻繁集，U = (Up u2,... up)為流程所有角色，R = (1^，r2,... rp)為各角色相應的權(quán)重。
[0060] CompFrequs
[0061] 輸入：工作日志庫W
[0062] 最小支持度Min_sup,
[0063] 最長工作流的節(jié)點個數(shù)M，
[0064] 角色向量 U = (h，u2, · · · up)
[0065] 權(quán)重向量 R = (1^, r2, · · · rp)
[0066] 輸出：頻繁項目集L
[0067] 首在步驟S1中，基于角色的重要度和頻繁度對不同角色進行加權(quán)。在步驟S2中， 將日志數(shù)據(jù)轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)，輸入用戶角色列表、角色權(quán)重列表。在步驟S3中，調(diào)用過程 函數(shù)getNodeset (w)，從日志數(shù)據(jù)集中獲得所有事務集D，事務集D是以活動和角色二元組 的作為基本元素的集合。在步驟S4中調(diào)用過程函數(shù)find_frequent_l_itemsets(D)從事務 集D找出所有1項（二維組）流程頻繁集L1。在步驟S5,開始第一次循環(huán)，k從初始值2 開始。在步驟S6中，計算加權(quán)支持度閥值wmin_sup = min_supXe(hk)ln2。在步驟S7中，調(diào) 用過程函數(shù)apriori_gen (Lh, wmin_sup),通過連接法，由生成候選頻繁k-項集（二元 組）Ck。在步驟S8中，第二循環(huán)開始，找出C k中所有屬于t的候選Ct，其中t為屬于D的每 一個事務。在步驟S9這個第三循環(huán)開始，每一個候選項集c屬于C t，令c的頻數(shù)sup (c)增 加1。在步驟S10中，通過角色匹配將項集c和U中的角色匹配，獲得各角色的權(quán)重值存放 在向量權(quán)重CR= ((^，(^，…，crk)。在步驟S11中，計算c的加權(quán)支持度wsup(c)，其中
[0068]

【權(quán)利要求】
1. 一種基于角色加權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成方法，其特征在于， 包括： 51、 基于角色的重要度和頻繁度對不同角色進行加權(quán)； 52、 對業(yè)務系統(tǒng)運行日志進行數(shù)據(jù)挖掘，基于各活動的角色加權(quán)關聯(lián)規(guī)則獲得活動和 角色二維流程頻繁集； 53、 將所述活動和角色二維流程頻繁集轉(zhuǎn)化成流程矩陣，從而生成活動和角色的二維 工作流程圖。
2. 根據(jù)權(quán)利要求1所述的基于角色加權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成 方法，其特征在于，所述步驟S2包括： 521、 構(gòu)建流程頻繁集挖掘器，并利用層析分析法確定基于角色的重要度分布，從而建 立加權(quán)關聯(lián)規(guī)則分析引擎； 522、 對所述業(yè)務系統(tǒng)運行日志進行清洗和轉(zhuǎn)換，從而使得所述業(yè)務系統(tǒng)運行日志的數(shù) 據(jù)結(jié)構(gòu)與所述流程頻繁集挖掘器的數(shù)據(jù)結(jié)構(gòu)對接； 523、 基于所述業(yè)務系統(tǒng)運行日志中角色的頻繁度和重要度綜合分析確定角色權(quán)重和 各活動的時間順序，利用所述加權(quán)關聯(lián)規(guī)則分析引擎構(gòu)成的所述流程頻繁集挖掘器獲得所 述活動和角色二維流程頻繁集。
3. 根據(jù)權(quán)利要求2所述的基于角色加權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成 方法，其特征在于，所述步驟S23包括： 5231、 掃描所述業(yè)務系統(tǒng)運行日志，找出全部的1項活動和角色二維流程頻繁集； 5232、 采用二維項集連接法基于所述1項活動和角色二維流程頻繁集生成候選活動和 角色二維流程頻繁集； 5233、 采用項集加權(quán)支持度剪枝法從所述候選活動和角色二維流程頻繁集去除非活動 和角色二維流程頻繁集從而生成所述活動和角色二維流程頻繁集。
4. 根據(jù)權(quán)利要求3所述的基于角色加權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成 方法，其特征在于，在所述步驟S232中，遞歸執(zhí)行所述項集連接法以生成所述候選活動和 角色二維流程頻繁集。
5. 根據(jù)權(quán)利要求4所述的基于角色加權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成 方法，其特征在于，在所述步驟S232中，將K項活動和角色二維流程頻繁集中所有只有一個 項屬性不同的兩個活動和角色二維流程頻繁集做匹配連接運算以生成所述候選活動和角 色二維流程頻繁集，其中K為大于1且小于預定的最大工作流節(jié)點數(shù)的正整數(shù)。
6. 根據(jù)權(quán)利要求3所述的基于角色加權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成 方法，其特征在于，在所述步驟S233中，遞歸執(zhí)行所述項集加權(quán)支持度剪枝法以從所述候 選活動和角色二維流程頻繁集去除非活動和角色二維流程頻繁集從而生成所述活動和角 色二維流程頻繁集。
7. 根據(jù)權(quán)利要求1所述的基于角色加權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成 方法，其特征在于，所述步驟S3包括： 531、 將所述活動和角色二維流程頻繁集轉(zhuǎn)成角色和活動二維空間上的節(jié)點和流程矩 陣，從而得到所述節(jié)點間的流轉(zhuǎn)關系； 532、 基于所述流轉(zhuǎn)關系將所述節(jié)點有向連接從而生成活動和角色的二維工作流程圖。
8. 根據(jù)權(quán)利要求7所述的基于角色加權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成 方法，其特征在于，所述步驟S31包括： 5311、 檢測所述活動和角色二維流程頻繁集是否為完整流程以剔除非完整流程的所述 活動和角色二維流程頻繁集； 5312、 計算首項和末項相同的所述活動和角色二維流程頻繁集的相似度，且將所述相 似度大于相似度閾值的所述活動和角色二維流程頻繁集定義為同類活動和角色二維流程 頻繁集； 5313、 將所述同類活動和角色二維流程頻繁集轉(zhuǎn)成角色和活動二維空間上的節(jié)點和流 程矩陣，從而得到所述節(jié)點間的流轉(zhuǎn)關系。
9. 根據(jù)權(quán)利要求8所述的基于角色加權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成 方法，其特征在于，所述相似度閾值基于自動分析所述業(yè)務系統(tǒng)運行日志確定。
10. -種基于角色加權(quán)關聯(lián)規(guī)則的角色與活動的智能工作流的生成系統(tǒng)，其特征在于， 包括： 加權(quán)模塊，用于基于角色的重要度和頻繁度對不同角色進行加權(quán)； 流程頻繁集生成模塊，用于對業(yè)務系統(tǒng)運行日志進行數(shù)據(jù)挖掘，通過基于活動的角色 加權(quán)關聯(lián)規(guī)則分析獲得活動和角色二維流程頻繁集； 流程轉(zhuǎn)換模塊，用于將所述活動和角色二維流程頻繁集轉(zhuǎn)化成流程矩陣，從而生成活 動和角色的二維工作流程圖。
【文檔編號】G06F11/34GK104123216SQ201410356307
【公開日】2014年10月29日 申請日期:2014年7月24日 優(yōu)先權(quán)日:2014年7月24日
【發(fā)明者】傅國強, 周利華, 趙怡濱, 呂利昌, 曾向陽, 莫民 申請人:深圳職業(yè)技術學院