基于行為輪廓定義目標(biāo)規(guī)則的流程建模推薦方法

李多芹，方賢文

（安徽理工大學(xué)數(shù)學(xué)與大數(shù)據(jù)學(xué)院，安徽淮南 232001）

0 引言

為了快速應(yīng)對不斷變化的商業(yè)環(huán)境，現(xiàn)代企業(yè)對業(yè)務(wù)流程建模提出了更高的要求；然而流程模型的建立是一項(xiàng)非常耗時耗力的工作，于是流程建模推薦技術(shù)得到越來越多的研究。利用現(xiàn)有流程庫潛在價值驅(qū)動的數(shù)據(jù)挖掘和流程推薦技術(shù)構(gòu)建流程，可以在領(lǐng)域知識不足或缺失時，通過縮短思考時間，加快業(yè)務(wù)流程設(shè)計(jì)工作；可以指導(dǎo)選擇最可能的任務(wù)，盡量減少業(yè)務(wù)流程設(shè)計(jì)工作中可能出現(xiàn)的錯誤，通過提供有用的建議來完善主要意圖和模糊的想法；能減少新流程和現(xiàn)有流程之間的不兼容問題。文獻(xiàn)［1］研究表明，盡管推薦技術(shù)已經(jīng)在學(xué)術(shù)研究和工業(yè)領(lǐng)域中得到了廣泛的應(yīng)用，但在業(yè)務(wù)流程管理領(lǐng)域中，推薦技術(shù)還是一個相對較新的課題。

現(xiàn)有的基于數(shù)據(jù)庫的流程建模推薦主要分為兩類。第一類是基于圖結(jié)構(gòu)的推薦，其中：文獻(xiàn)［2］中對現(xiàn)有的度量流程相似性方法做了改進(jìn)，并將其用于在流程庫中查詢結(jié)構(gòu)相似的流程；文獻(xiàn)［3］中利用最大公共子圖和最小公共超圖概念，以參考流程和流程模式間距離的計(jì)算結(jié)果作為流程推薦的依據(jù)；文獻(xiàn)［4］中提出了一種數(shù)據(jù)模型用以支撐流程建模推薦系統(tǒng)的開發(fā)，并通過真實(shí)世界中的系統(tǒng)逆向工程進(jìn)行驗(yàn)證。然而現(xiàn)有基于圖結(jié)構(gòu)的流程推薦方法多數(shù)情況下無法保證準(zhǔn)確性，于是產(chǎn)生了第二類基于行為的推薦方法。目前為止，關(guān)注流程行為的建模推薦方法并不多，其中：文獻(xiàn)［5］中提出了一種基于流的方法，用于捕獲業(yè)務(wù)流程建模中指定的流程，并通過對IBM Blueworks 案例的重新建模，驗(yàn)證了所提的方法；文獻(xiàn)［6］中利用流程結(jié)構(gòu)樹和獨(dú)立路徑概念在流程庫中進(jìn)行相似度計(jì)算，選取高相似度路徑中的節(jié)點(diǎn)作為推薦節(jié)點(diǎn)。然而，在實(shí)際的工作流程中實(shí)現(xiàn)同一業(yè)務(wù)目標(biāo)可能有各種圖結(jié)構(gòu)及多種不同的路徑，因此基于圖結(jié)構(gòu)或路徑的推薦可能導(dǎo)致很多有用推薦信息的丟失。文獻(xiàn)［7］研究表明，目標(biāo)是利益相關(guān)者和系統(tǒng)期望達(dá)成的狀態(tài)，回答“為什么”問題，這一問題是流程模型不能處理的，因?yàn)榱鞒躺瞄L回答“何時”的問題，因此兩種視圖是互補(bǔ)的。這一事實(shí)表明，在建模過程中考慮流程的目標(biāo)能夠?yàn)榻Ｕ咛峁?qiáng)有力的指引，但是目前為止關(guān)聯(lián)流程目標(biāo)的建模推薦方法并不多見。

本文提出了一種基于行為輪廓定義業(yè)務(wù)目標(biāo)實(shí)現(xiàn)規(guī)則的流程建模推薦方法，旨在為建模者提供更多有用的推薦信息。首先，建模者根據(jù)業(yè)務(wù)陳述將業(yè)務(wù)拆分成更為具體的k個子業(yè)務(wù)，同時明確子業(yè)務(wù)間基于行為輪廓表達(dá)的能夠?qū)崿F(xiàn)業(yè)務(wù)目標(biāo)的交互規(guī)則，即制定當(dāng)前建模模型的k階目標(biāo)輪廓。隨后，提取流程庫中流程模型的行為輪廓，并將滿足目標(biāo)輪廓的流程作為候選流程。接著，利用基于行為輪廓的度量方法計(jì)算當(dāng)前建模模型與候選流程庫中模型的相似度，選取相似度最高的m（由建模者自定義的參數(shù)）個流程，并將這些流程中與當(dāng)前建模下一節(jié)點(diǎn)匹配的節(jié)點(diǎn)作為推薦節(jié)點(diǎn)。最后，在真實(shí)的數(shù)據(jù)集上驗(yàn)證所提方法的有效性。

1 相關(guān)概念

定義1標(biāo)簽Petri 網(wǎng)［8］。帶標(biāo)簽的Petri 網(wǎng)是一個三元組(N，L，fL)，其 中：N=(S，T；F) 是一個Petri 網(wǎng)；L=(l1，l2，…，l|L|)為標(biāo)簽集合fL：T→L是將T中變遷映射到L中標(biāo)簽的標(biāo)簽函數(shù)，即?ti∈T，?li∈L使得fL(ti)=li。

圖1 為使用標(biāo)簽Petri 網(wǎng)表示的兩種簡化業(yè)務(wù)流程。

圖1 兩種運(yùn)輸組織的業(yè)務(wù)流程Fig.1 Business processes of two transportation organizations

定義2映射函數(shù)［9］。給定兩個標(biāo)簽Petri 網(wǎng)NL=(N，L，fL)和=，Petri 網(wǎng)間的映射函數(shù)表示為：={ei→ej|ei∈NL，ej∈}。

定義3行為輪廓［10］。令標(biāo)簽Petri 網(wǎng)P=(N，L，fL)，其中N=(S，T，F(xiàn)) 且T′ ?T是一個 變遷集，一對變 遷(x，y) ∈(T′×T′)可能呈現(xiàn)的行為關(guān)系如下：

1）嚴(yán)格序關(guān)系x→y，當(dāng)且僅當(dāng)x?y，yx；

2）嚴(yán)格逆序x→-1y，當(dāng)且僅當(dāng)y?x，xy；

3）排他序關(guān)系x+y，當(dāng)且僅當(dāng)xy，yx；

4）交叉序關(guān)系x||y，當(dāng)且僅當(dāng)x?y，y?x。

以上幾種關(guān)系構(gòu)成了網(wǎng)N的行為輪廓，記作BP={ →，→-1，+，||}。

為了聯(lián)合表示標(biāo)簽Petri 網(wǎng)中所有可能變遷對的上述行為關(guān)系，引入行為輪廓矩陣的概念，旨在以矩陣的形式表達(dá)標(biāo)簽Petri 網(wǎng)的上述行為關(guān)系。方便起見，→-1，→，+和‖，分別被簡記為0，1，2 和3。以圖1 中的Process1 為例，由于活動F 既可以發(fā)生在活動G 之前也可以發(fā)生在活動G 之后，即滿足定義3 中的4），于是表1 中的第6 行第7 列及第7 行第6 列元素均為3。類似的，對所有變遷對進(jìn)行上述分析，就可以得到圖1 中兩個流程模型的行為輪廓矩陣如表1 和表2所示。

表1 Process1的行為輪廓矩陣Tab.1 Process1’s behavioral profile matrix

表2 Process2的行為輪廓矩陣Tab.2 Process2’s behavioral profile matrix

為了計(jì)算候選流程庫中的模型與當(dāng)前建模模型的相似度，引入文獻(xiàn)［11］中提出的一種基于行為輪廓量化流程間相似性的度量方法。該方法建立在系數(shù)和流程模型活動對間的行為關(guān)系上，且已經(jīng)證實(shí)了其能夠成功地近似建模專家的評估。具體定義如下：

定義4行為輪廓度量［11］。給定兩個標(biāo)簽Petri 網(wǎng)P和Q，→P和→Q分別代表行為輪廓BPP和BPQ的嚴(yán)格序關(guān)系，于是P和Q 的嚴(yán)格序相似性為：

同理定義排他序和交叉序相似性如下：

于是網(wǎng)P和網(wǎng)Q的行為輪廓相似性為：

以圖1 中的兩個標(biāo)簽Petri 網(wǎng)及表2 中對應(yīng)的行為輪廓為例，計(jì)算得到：

若為每種相似性定義相同的權(quán)重，則可以得到Process1和Process2 的行為輪廓相似性為：

2 行為輪廓定義規(guī)則的業(yè)務(wù)目標(biāo)表示方法

針對企業(yè)內(nèi)部的某一項(xiàng)業(yè)務(wù)，尤其是新增業(yè)務(wù)，其目標(biāo)指的是期望達(dá)成的狀態(tài)。文獻(xiàn)［7］中闡述了結(jié)合目標(biāo)與過程帶來的許多已知好處，并表明在建模過程中考慮流程的目標(biāo)能夠?yàn)榻Ｕ咛峁?qiáng)有力的指引。于是，本章介紹了現(xiàn)存的業(yè)務(wù)目標(biāo)表示方法，并針對這些方法的不足之處提出了一種業(yè)務(wù)目標(biāo)表示的新視角。

2.1 現(xiàn)存的業(yè)務(wù)目標(biāo)表示方法

關(guān)于業(yè)務(wù)目標(biāo)的表示，很多學(xué)者已經(jīng)做了相關(guān)的研究。文獻(xiàn)［7］中把目標(biāo)表示為有向圖模型，通過有向的圖結(jié)構(gòu)展示子目標(biāo)之間的相互作用。其中，AND-refinement links 表示當(dāng)且僅當(dāng)所有子目標(biāo)都被滿足時，父目標(biāo)才被滿足；ORrefinement links 則只要求滿足可選子目標(biāo)的其中一個。子目標(biāo)之間的兩種聯(lián)系作用描繪了子目標(biāo)對其他子目標(biāo)的積極或消極影響程度。文獻(xiàn)［12］中指出，傳統(tǒng)的方法過分關(guān)注于過程和數(shù)據(jù)，不能發(fā)掘過程和數(shù)據(jù)背后更深層次的原因，于是提出了一種相對復(fù)雜的目標(biāo)建模理念，即從使命/任務(wù)陳述中識別執(zhí)行者間的依賴并明確期望、愿景和能力等與活動間的關(guān)系，在這個基礎(chǔ)上目標(biāo)建模的過程就是通過不斷地詢問“為什么”“怎樣做”“如果不這樣做，應(yīng)該如何做”等問題不斷地揭示利益相關(guān)者的訴求。文獻(xiàn)［13］將業(yè)務(wù)流程的目標(biāo)定義為合取范式中布爾條件的結(jié)合，即goal=g1∧g2∧…∧gn，并通過領(lǐng)域約束對子目標(biāo)排序。

上述各種目標(biāo)表示方式各有優(yōu)勢且有相通之處，但對業(yè)務(wù)流程模型的建立而言，這些表達(dá)方式無法在建模過程中為建模者提供明確的指引信息?；诖?，下面將提出一種基于行為輪廓定義規(guī)則的業(yè)務(wù)目標(biāo)表示方法。

2.2 基于行為輪廓定義規(guī)則的業(yè)務(wù)目標(biāo)表示方法

企業(yè)的每一項(xiàng)內(nèi)部業(yè)務(wù)都可以拆分成更為具體的子業(yè)務(wù)。用k表示拆分出的子業(yè)務(wù)個數(shù)時，k的大小代表著子業(yè)務(wù)的抽象程度：當(dāng)k為1 時，即整項(xiàng)業(yè)務(wù)，抽象程度最高；隨著k的增加，子業(yè)務(wù)的抽象程度逐步降低；當(dāng)k取到可能的最大值時，子業(yè)務(wù)的抽象程度降到最低，此時k值與業(yè)務(wù)中各項(xiàng)具體活動總數(shù)相等。關(guān)于業(yè)務(wù)的拆分，已有學(xué)者做了深入的研究，文獻(xiàn)［12］中以海上搜救活動為例，從使命/任務(wù)陳述中識別子活動。在真實(shí)的業(yè)務(wù)場景中，k值的選取同樣也有很清晰的模塊劃分。以“Package Sorting”業(yè)務(wù)為例，通過業(yè)務(wù)陳 述，建模者 可以該 業(yè)務(wù)分解為a：“Receiving”，b：“Checking”，c：“Sorting”，d：“Dispatching”及e：“Information Updating”這5 個子業(yè)務(wù)。

另一方面，拆分出的子業(yè)務(wù)間都有明確的交互規(guī)則，且這些規(guī)則的滿足情況直接決定著業(yè)務(wù)目標(biāo)能否達(dá)成。在行為輪廓背景下，這些交互規(guī)則同樣可以用行為關(guān)系的形式來表達(dá)。與行為輪廓矩陣的提出類似，為了聯(lián)合表示所有子業(yè)務(wù)對的行為關(guān)系，本文引入目標(biāo)輪廓矩陣的概念。用目標(biāo)輪廓矩陣來形式化子業(yè)務(wù)的交互規(guī)則，除了規(guī)則表達(dá)的規(guī)范性外，更重要的是，對于某一業(yè)務(wù)流程來說，目標(biāo)輪廓矩陣可以看作是行為輪廓矩陣以目標(biāo)為導(dǎo)向的抽象。

于是，在建立模型之前，建模者可以通過對業(yè)務(wù)陳述的分析，將業(yè)務(wù)拆分成更為具體的k個子業(yè)務(wù)，明確子業(yè)務(wù)間的交互規(guī)則，用行為輪廓刻畫子業(yè)務(wù)對間的交互規(guī)則后，再通過目標(biāo)輪廓矩陣聯(lián)合表示子業(yè)務(wù)對間的行為關(guān)系。注意，每一個子業(yè)務(wù)對應(yīng)業(yè)務(wù)流程模型中的一個活動。同樣以“Package Sorting”業(yè)務(wù)為例，從業(yè)務(wù)陳述中可以知道：a 總是最先發(fā)生，b 發(fā)生在c 之前，d 與b 和c 之間沒有固定的發(fā)生順序，e 總是最后發(fā)生。利用行為輪廓形式化這些交互規(guī)則之后可以得到如表3 所示的業(yè)務(wù)目標(biāo)輪廓，其中0：嚴(yán)格逆序→-1；1：嚴(yán)格序→；2：排他序+；3：交叉序||。

表3 “Package Sorting”業(yè)務(wù)目標(biāo)輪廓Tab.3 Business target profile of“Package Sorting”

此時，當(dāng)流程庫中某流程滿足表3 中的目標(biāo)輪廓時，即流程的行為輪廓矩陣包含目標(biāo)輪廓矩陣時，就表示執(zhí)行該流程能夠?qū)崿F(xiàn)業(yè)務(wù)目標(biāo)，這樣的目標(biāo)表示方式將業(yè)務(wù)目標(biāo)與業(yè)務(wù)流程緊密鏈接，體現(xiàn)業(yè)務(wù)目標(biāo)與業(yè)務(wù)流程間深層次的內(nèi)在聯(lián)系。于是，當(dāng)建模者期望從流程庫中獲取流程知識以輔助建模時，可先制定業(yè)務(wù)目標(biāo)輪廓，然后在流程庫里搜索滿足該輪廓的流程作為候選推薦流程。這種候選推薦流程的捕獲方式能夠打破路徑和圖結(jié)構(gòu)的限制，即那些滿足目標(biāo)輪廓但路徑或圖結(jié)構(gòu)相似度低的流程，同樣有機(jī)會能夠作為候選推薦流程展示給建模者。這些流程對建模者來說也十分重要，因?yàn)樗鼈兡軌蛑敢Ｕ咦罱K建立一個能夠?qū)崿F(xiàn)業(yè)務(wù)目標(biāo)的業(yè)務(wù)流程模型。

3 本文流程建模推薦方法的實(shí)現(xiàn)

3.1 所提推薦方法的框架

本文所提方法的整體框架如圖2 所示，共分為預(yù)處理、行為輪廓比對及流程節(jié)點(diǎn)推薦3 個部分。

圖2 本文方法的框架Fig.2 Framework of the proposed method

3.2 預(yù)處理

預(yù)處理部分包括以下兩個方面：

1）目標(biāo)輪廓的制定。建模者根據(jù)業(yè)務(wù)陳述制定用于實(shí)現(xiàn)業(yè)務(wù)目標(biāo)的子業(yè)務(wù)間基于行為輪廓表達(dá)的交互規(guī)則，即制定目標(biāo)輪廓矩陣。

2）流程庫的預(yù)處理。先用標(biāo)簽Petri 網(wǎng)表示流程庫中的所有流程，于是有P=｛p1，p2，…，pn｝，其中n為流程庫中流程的數(shù)量；然后，提取流程庫中所有流程的行為輪廓，并獲取流程庫的行為輪廓矩陣集={A1，A2，…，An}。所有的輪廓均以矩陣的形式存儲在后端，于是每個流程模型只需提取一次行為輪廓。

3.3 行為輪廓比對和節(jié)點(diǎn)推薦

行為輪廓比對指的是當(dāng)前建模模型的目標(biāo)輪廓與從流程庫中提取的行為輪廓之間的比較，旨在從流程庫中找到與當(dāng)前建模模型目標(biāo)一致的流程模型，即獲取候選流程集CPS。節(jié)點(diǎn)推薦部分則是從候選流程集中選出與當(dāng)前建模模型相似度最高的流程，并把對應(yīng)的下一節(jié)點(diǎn)作為推薦節(jié)點(diǎn)。算法1 給出了以和m為輸入生成推薦節(jié)點(diǎn)集Rnodes的具體步驟，其中p0為當(dāng)前建模模型，m是建模者自定義的參數(shù)。

算法1 基于行為輪廓定義目標(biāo)規(guī)則的流程建模推薦算法。

算法1 主要分為4 個部分：

1）首先，第1）行初始化一個候選流程集CPS和一個推薦節(jié)點(diǎn)集Rnodes。

2）通過2）～5）行獲取候選流程集。具體地：首先獲取目標(biāo)輪廓矩陣所關(guān)聯(lián)的事件集E（2）行）；然后，對流程庫中的每個流程，如果對應(yīng)的行為輪廓矩陣存在k階子矩陣使得子矩陣關(guān)聯(lián)的事件集與E相等，且子矩陣Di與目標(biāo)輪廓Atark相等，則將對應(yīng)的業(yè)務(wù)流程pi放入取候選流程集CPS中（3）～5）行）。

3）再通過6）～12）行獲取推薦節(jié)點(diǎn)。具體地：對候選流程集中的每一個流程，利用定義4 中給出的行為輪廓度量方法計(jì)算其與當(dāng)前建模模型的相似度（7）行）。然后，篩選出候選流程集CPS中與當(dāng)前建模模型相似度最高的m個流程（8）行），并根據(jù)定義2 中的映射函數(shù)建立這些模型與當(dāng)前建模模型之間的節(jié)點(diǎn)映射（9）～10）行）。最后，將這些流程中與當(dāng)前建模節(jié)點(diǎn)對應(yīng)的節(jié)點(diǎn)的下一節(jié)點(diǎn)作為推薦節(jié)點(diǎn)，并放入推薦節(jié)點(diǎn)集Rnodes中（11）～12）行）。

4）最后，13）行返回長度m的推薦節(jié)點(diǎn)集Rnodes。

4 實(shí)驗(yàn)評估

本文實(shí)驗(yàn)在真實(shí)數(shù)據(jù)集上進(jìn)行，從推薦能力和推薦準(zhǔn)確率兩方面將文本方法與現(xiàn)存方法進(jìn)行對比評估。首先，由于本文所提的基于行為輪廓定義目標(biāo)規(guī)則的流程建模推薦方法，旨在為建模者從流程庫中提取更多有用的信息，于是將在推薦能力上與現(xiàn)有的獨(dú)立路徑匹配方法［6］進(jìn)行比較。其次，在證明了所提方法確實(shí)能夠?yàn)榻Ｕ咛峁└嘤杏眯畔⒑?，進(jìn)一步與獨(dú)立路徑匹配算法比較在推薦準(zhǔn)確率方面的表現(xiàn)。此外，實(shí)驗(yàn)中用到的真實(shí)數(shù)據(jù)集可在線訪問：https：//github.com/duoqinLi/real-business-process-data。

4.1 實(shí)驗(yàn)數(shù)據(jù)

4.1.1 流程庫數(shù)據(jù)集

為了驗(yàn)證本文所提方法的有效性及適用性，實(shí)驗(yàn)在真實(shí)數(shù)據(jù)集上進(jìn)行評估。該數(shù)據(jù)集是從中國浙江省杭州市某區(qū)政府收集的各種業(yè)務(wù)流程模型，最早在文獻(xiàn)［1］中使用。表4 中給出了該數(shù)據(jù)集的統(tǒng)計(jì)信息。

表4 數(shù)據(jù)集的統(tǒng)計(jì)信息Tab.4 Statistics of dataset

此外，文獻(xiàn)［1］已將這些原始的業(yè)務(wù)流程模型轉(zhuǎn)化為矩陣的形式，同時為每一個流程編號，并用數(shù)字1～52 表示數(shù)據(jù)集中的事件，本文將從該數(shù)據(jù)集中隨機(jī)抽取2 組每組20 個流程作為實(shí)驗(yàn)的流程庫。

4.1.2 當(dāng)前建模模型的構(gòu)造

為確保實(shí)驗(yàn)的可信度，將在剩余的數(shù)據(jù)集中隨機(jī)選取1條業(yè)務(wù)流程模型G531，并取前半部分的模型片段作為當(dāng)前建模模型。同時追溯到原始的業(yè)務(wù)流程模型，在某區(qū)政府工作人員的幫助下制定這些業(yè)務(wù)流程的目標(biāo)輪廓如表5 所示，其中0：嚴(yán)格逆序→-1；1：嚴(yán)格序→；2：排他序+；3：交叉序||。

表5 當(dāng)前建模模型的業(yè)務(wù)目標(biāo)輪廓Tab.5 Business target profile of current modeling model

表5中標(biāo)識符與實(shí)際活動的對應(yīng)關(guān)系如表6所示。

表6 標(biāo)識符與實(shí)際活動的對應(yīng)關(guān)系Tab.6 Corresponding relationship between identifiers and actual activities

4.2 推薦能力方面的表現(xiàn)

本文所提的行為輪廓定義目標(biāo)規(guī)則的流程建模推薦方法，旨在為建模者從流程庫中提供更多有用的信息。為驗(yàn)證這一點(diǎn)，將本文方法與文獻(xiàn)［6］中的獨(dú)立路徑匹配方法進(jìn)行比較，評估比較兩種推薦方法搜索流程知識的能力。

4.2.1 實(shí)驗(yàn)步驟

為了評估比較兩種推薦方法搜索流程知識的能力，設(shè)計(jì)如下實(shí)驗(yàn)步驟：首先，當(dāng)固定當(dāng)前建模路徑的節(jié)點(diǎn)數(shù)量時，對表5 中的目標(biāo)輪廓，從實(shí)驗(yàn)流程庫中搜索滿足該目標(biāo)輪廓的流程模型。對搜索出來的每一條流程模型，利用文獻(xiàn)［6］中所給出的基于最長公共子序列計(jì)算獨(dú)立路徑間相似度的方法，分別計(jì)算每條獨(dú)立路徑與當(dāng)前建模路徑的相似度。根據(jù)整體的相似性情況，將計(jì)算出來的相似度劃分為3 個等級：Sim≥0.7，極有可能作為推薦路徑；0.6≤Sim＜0.7，有可能作為推薦路徑；Sim＜0.6，不可能作為推薦路徑。圖3 給出了第1組實(shí)驗(yàn)流程庫中滿足目標(biāo)輪廓的流程模型，以及當(dāng)分別固定當(dāng)前建模路徑的節(jié)點(diǎn)數(shù)為4～8 時，每條流程模型上3 個相似度等級分別占獨(dú)立路徑總數(shù)的百分比。

注意，當(dāng)業(yè)務(wù)流程中含有循環(huán)結(jié)構(gòu)時，基于獨(dú)立路徑匹配的方法具有一定的局限性，因?yàn)樵谶@種情況下獨(dú)立路徑的數(shù)量是無限的。然而循環(huán)結(jié)構(gòu)在實(shí)際的業(yè)務(wù)流程中是常見的，于是在本實(shí)驗(yàn)中假設(shè)，當(dāng)業(yè)務(wù)流程中存在循環(huán)結(jié)構(gòu)時，只考慮包含1 循環(huán)和2 循環(huán)的路徑。

4.2.2 結(jié)果分析

由圖3 可知，實(shí)驗(yàn)流程庫中有12 個流程模型滿足目標(biāo)輪廓。雖然大部分滿足目標(biāo)輪廓的流程模型中都含有與當(dāng)前建模路徑相似度很高的獨(dú)立路徑，但仍存在一些例外。例如，從圖3 中可以看出，當(dāng)前建模路徑的節(jié)點(diǎn)數(shù)7 時，G530、G609 和G623 的每條獨(dú)立路徑與當(dāng)前建模路徑的相似度都在60%以下，并且在獨(dú)立路徑匹配算法中，該流程模型的每條路徑都不會作為候選路徑，相應(yīng)的對應(yīng)節(jié)點(diǎn)也不會作為推薦節(jié)點(diǎn)。然而，該流程滿足目標(biāo)輪廓，即執(zhí)行該流程的某條或某幾條路徑能夠達(dá)成建模者所期望的目標(biāo)，對建模者來說是非常具有參考價值的。相較于獨(dú)立路徑匹配方法，本文所提的基于行為輪廓定義目標(biāo)規(guī)則的流程建模推薦方法能從業(yè)務(wù)目標(biāo)達(dá)成的角度為建模者提供更多有用的推薦信息。

圖3 推薦能力實(shí)驗(yàn)結(jié)果Fig.3 Experimental results of recommendation ability

4.3 推薦準(zhǔn)確率方面的表現(xiàn)

在本節(jié)中將進(jìn)一步評估兩種方法在推薦準(zhǔn)確率方面的表現(xiàn)。

4.3.1 實(shí)驗(yàn)步驟

為了評估比較兩種推薦方法的推薦準(zhǔn)確率，設(shè)計(jì)如下實(shí)驗(yàn)步驟：當(dāng)固定需要推薦的節(jié)點(diǎn)數(shù)量為5 時，對于獨(dú)立路徑匹配方法，先利用流程結(jié)構(gòu)樹和獨(dú)立路徑在流程庫中進(jìn)行相似度計(jì)算，再選取相似度最高的5 條路徑中的節(jié)點(diǎn)作為推薦節(jié)點(diǎn)集；對于本文所提方法，先通過目標(biāo)輪廓矩陣獲取候選流程庫，再利用定義4 中給出的行為輪廓度量方法計(jì)算候選流程庫中流程與當(dāng)前建模模型的相似度，最后，選取相似度最高的5 個流程的下一節(jié)點(diǎn)作為推薦節(jié)點(diǎn)集。

4.3.2 評估標(biāo)準(zhǔn)

分別獲取兩種推薦方法的推薦節(jié)點(diǎn)集后，下面給出評估準(zhǔn)確率所遵循的評估標(biāo)準(zhǔn)。首先，在4.1.2 節(jié)中已經(jīng)給出了當(dāng)前建模模型的構(gòu)造方法，于是其在原模型中的后續(xù)節(jié)點(diǎn)即可作為準(zhǔn)確率評估的參考節(jié)點(diǎn)；其次，當(dāng)前建模模型的節(jié)點(diǎn)數(shù)量分別為4～8 時，依次計(jì)算每組實(shí)驗(yàn)流程庫上正確推薦節(jié)點(diǎn)數(shù)；最后，兩種推薦方法的準(zhǔn)確率值為兩組實(shí)驗(yàn)流程庫上正確推薦節(jié)點(diǎn)數(shù)之和與10（因?yàn)槊拷M實(shí)驗(yàn)流程庫上獲取的推薦節(jié)點(diǎn)集中都有5 個節(jié)點(diǎn)）的比值。

按照上述的實(shí)驗(yàn)步驟和評估標(biāo)準(zhǔn)可計(jì)算得到如圖4 所示的結(jié)果。

圖4 推薦準(zhǔn)確率實(shí)驗(yàn)結(jié)果Fig.4 Experimental results of recommendation accuracy

4.3.3 結(jié)果分析

整體上，兩種方法在準(zhǔn)確率方面的差異是可接受的，這表明本文所提的建模推薦方法在準(zhǔn)確度上是滿足實(shí)際應(yīng)用要求的。更具體地，可以看到，雖然本文所提方法的最低正確率略低于獨(dú)立路徑匹配算法，但平均準(zhǔn)確率為70%高于獨(dú)立路徑匹配算法的68%。這是因?yàn)椋阂环矫妾?dú)立路徑匹配算法只追求路徑的相似度，而忽略了在實(shí)際的業(yè)務(wù)流程執(zhí)行中可能存在相似度較低的兩條路徑都能達(dá)到相同目標(biāo)狀態(tài)的情況。另一方面流程中的循環(huán)結(jié)構(gòu)會在一定程度上影響?yīng)毩⒙窂介g的相似度，而本文所提的方法不會受此影響。此外，從圖4 中可以觀察到，隨著當(dāng)前建模路徑節(jié)點(diǎn)數(shù)的增加，相比獨(dú)立路徑匹配方法，本文所提目標(biāo)輪廓方法的推薦準(zhǔn)確率呈平穩(wěn)上升趨勢。

上述所有的實(shí)驗(yàn)結(jié)果表明，本文所提出的基于行為輪廓定義目標(biāo)規(guī)則的流程建模推薦方法能夠滿足實(shí)際應(yīng)用的需求，同時相較于現(xiàn)有的流程建模推薦方法，可以向建模者提供更多有價值的推薦信息。

5 結(jié)語

本文基于行為輪廓和業(yè)務(wù)流程的目標(biāo)提出了一種新的業(yè)務(wù)流程建模推薦方法。首先，為業(yè)務(wù)目標(biāo)的實(shí)現(xiàn)制定目標(biāo)輪廓；然后通過其與流程庫中行為輪廓矩陣的比對獲取候選流程庫；最后，利用行為輪廓度量方法計(jì)算候選流程庫中流程與當(dāng)前建模模型的相似度，進(jìn)而為當(dāng)前建模模型推薦最可能的下一節(jié)點(diǎn)。實(shí)驗(yàn)結(jié)果表明所提方法在準(zhǔn)確率滿足實(shí)際應(yīng)用需求的同時能夠?yàn)榻Ｕ咛峁└嘤袃r值的信息。正如實(shí)驗(yàn)中所反映的，兩種方法在一定程度上是互補(bǔ)的，在未來的工作中將考慮把兩種方法有效地結(jié)合起來以達(dá)到更好的推薦效果。