Embed Size (px)
Citation preview
第 0 页
面向知识密集型业务过程的
知识挖掘与推荐技术
汇报人：刘庭煜
第 1 页
报告内容提要
1. 业务过程管理与知识管理概述
2. 快速资源分配技术
3. 任务知识推荐技术
4. 总结与展望
第 2 页
1.业务过程管理与知识管理概述
第 3 页
1.1 复杂机电产品开发过程特点
某产品工艺准备业务流程示例
任务模型
型号工艺负责人
型号产品
工艺任务1
工艺任务1
工艺任务1
… …
专业工艺负责人
机加工工艺任务
工艺任务1
工艺任务1
工艺任务1
… …
工艺任务
分类
机加工工艺设计人
员
工艺任务1
工艺任务1
工艺任务1
… …
工艺任务
分配
工艺准备过程模型
填写工艺审
查记录卡
设计师审查
工艺记录卡修改图纸
工艺师审查
图样
正式图样归
档
机加工工艺规程设计与审批子流
程
钣金工艺规程设
计与审批子流程
焊接工艺规程设
计与审批子流程
总装工艺规程设
计与审批子流程
工装设计审核会签
工装设计结
果归档
编制工艺定
额
复核各种工
艺文件底图
工艺、工装
验证工艺总结
开始
AND-
Join
AND-
Split
批准
P5
P4 P3
P2P1
P6
P7
P8
P9
P12
P11
P10
P13
P14
P15P16P17
P18 P19 P20
P21P22
人员组织模型
角色模型 组织结构十四所工艺部
总体室(701) 705
计划组 编程组 技术组
… …
… …
总工艺师
型号主任工艺
师A
型号主任工艺
师X
专业主任工艺
师A
专业主任工艺
师B
专业主任工艺
师Z
… …
… …
结束
任务执行
第 4 页
1.2 知识密集型工作流
工作流的主要工作模式
控制流模式
资源模式
数据模式
第 5 页
快速工艺准备与
工艺过程优化系统
1.1 复杂机电产品开发过程特点
业务过程管理工具
提升业务管理效率
加强知识管理
第 6 页
1.2 知识密集型工作流
以数据为中心的工作流（Data-centric Workflow）已经成为业务过程管理领域新的研究趋势*。
*R. Hull, J. Su, and R. Vaculin, "Report on NSF Workshop on Data-Centric Workflows," 2009.
Rick HullIBM T.J. Watson
Wil van der AalstTU/e
Jianwen SuUC Santa Barbara
Conceptual elements of analytics and relationship to workflow
第 7 页
过程
管理
知识
管理
知识密集型业务过程管理
1.2 知识密集型工作流
第 8 页
1.2 知识密集型工作流
关键技术1.过程挖掘技术
过程挖掘技术，是一种从系统日志中发掘有用知识的技术，这些知识包括任务的控制流信息，也可以是系统的资源组织结构信息等。
关键技术2.基于过程的知识推荐技术
解决工作流任务执行阶段的知识推荐问题
流程配置
流程诊断
流程设计
流程执行
工作流程Workflow
流程挖掘
传统方案
挖掘结果反馈
流程组织挖掘
变化分析/符
合性测试
任务
知识
推荐
第 9 页
1.2 知识密集型工作流
方法 贡献者 备注
Knowledge Flow Hai Zhuge中科院
ACM杰出科学家
信息过滤/NLP Duen-Ren Liu 台湾国立交通大学
文档分析/NLP Andreas Abecker KIT
Context-aware Matthias Born SAP Research
集成智能工厂情境 Frank Leymann德国斯图加特大学BPEL标准制定人
Business Artifact A. Nigam, R. Hull IBM T.J. Watson
Process Mining
Rakesh AgrawalIBM，美国工程院、ACM
及IEEE Fellow
Wil van der AalstTU/e，欧洲科学院、荷兰
皇家科学院 Fellow
第 10 页
1.2 知识密集型工作流
工作流管理模式3.数据
1.资源
A1
A2
A4
A3
A5 …2.控制流
…
R1
R2
R3
分配分配
分配
分配
执 行
实例化
第 11 页
1.2 知识密集型工作流
知识密集型任务的生命周期
过程维
任务维
数据/知识维
任务转发
任务挂起
工作流任务 工作项 工作流活动实例化 任务执行 活动结束任务分配
任务执行知识
任务分配知识
过程模型知识
执行实例化工作流模型 工作流案例 案例结束
控制流模式 资源模式 数据流模式
第 12 页
1.2 知识密集型工作流
知识密集型任务涉及的知识分类
系统本身的执行知识（设计/实例化阶段）
• 工作流日志
• 工作流模型
• 工作流执行资源
业务执行的内容知识（执行阶段）
• 任务要求
• 任务执行结果
第 13 页
1.3 报告主要内容安排
工作流闭环资源分配模块工作流程
基于本体的工作流情境模型WfCOM
基于Apriori的资源分配规则挖掘算法研究
基于关联规则的工作流资源分配
面向知识密集型任务生命周期的知识管理与推荐
情境感知的工作流任务知识推荐技术研究
第 14 页
2.快速资源分配技术工作流任务实例化阶段的快速资源分配技术
第 15 页
2.1 总体过程
日志
知识
Step 3. Rules generation Step 1. Resource allocation
Step 2. Task Execution and log generation
A D
AND-Split
B
C AND-Join
E
EventID ActID FlowID Staff CaseID SetDate
5313 5 68 Tony 207 2007-10-15 21:06
5314 5 68 Sam 207 2007-10-15 21:06
5315 5 68 Tony 207 2007-10-15 21:06
5316 5 68 Tom 207 2007-10-15 21:06
5317 1 68 Tony 207 2007-10-22 20:04
5318 1 66 Tony 209 2007-10-23 13:56
5319 1 66 Susan 209 2007-10-23 13:56
5320 2 66 Tony 209 2007-10-23 13:56
5321 2 66 Susan 209 2007-10-23 13:56
5322 3 66 Tony 209 2007-10-23 13:56
5323 3 66 Susan 209 2007-10-23 13:56EventID ActID FlowID Staff CaseID SetDate
5313 5 68 Tony 207 2007-10-15 21:06
5314 5 68 Sam 207 2007-10-15 21:06
5315 5 68 Tony 207 2007-10-15 21:06
5316 5 68 Tom 207 2007-10-15 21:06
5317 1 68 Tony 207 2007-10-22 20:04
5318 1 66 Tony 209 2007-10-23 13:56
5319 1 66 Susan 209 2007-10-23 13:56
5320 2 66 Tony 209 2007-10-23 13:56
5321 2 66 Susan 209 2007-10-23 13:56
5322 3 66 Tony 209 2007-10-23 13:56
5323 3 66 Susan 209 2007-10-23 13:56
ProcessProcess LogsLogs
Resource Allocation RulesResource Allocation Rules
Tony SamSam SusanSusan MaryMary TomTom
OrganizationOrganizationRoleRole
R1 R2 R3 O2
ResourceResource
Rule 1: ProcessID=1 TaskID=2 ==> ResourceID=4 conf:(0.59) lift:(5) lev:(0.01) [351] < conv:(2.16)>Rule 2: ProcessID=1 TaskID=2 ==> ResourceID=17 conf:(0.73) lift:(1.51) lev:(0) [328] < conv:(0.51)>Rule 3: ProcessID=1 TaskID=2 ==> ResourceID=13 conf:(0.47) lift:(3.75) lev:(0) [322] < conv:(1.95)>
O3O1Rule 1: ProcessID=1 TaskID=2 ==> ResourceID=4 conf:(0.59) lift:(5) lev:(0.01) [351] < conv:(2.16)>Rule 2: ProcessID=1 TaskID=2 ==> ResourceID=17 conf:(0.73) lift:(1.51) lev:(0) [328] < conv:(0.51)>Rule 3: ProcessID=1 TaskID=2 ==> ResourceID=13 conf:(0.47) lift:(3.75) lev:(0) [322] < conv:(1.95)>
Rule 1: ProcessID=1 TaskID=2 ==> ResourceID=4 conf:(0.59) lift:(5) lev:(0.01) [351] < conv:(2.16)>
Rule 2: ProcessID=1 TaskID=2 ==> ResourceID=17 conf:(0.73) lift:(1.51) lev:(0) [328] < conv:(0.51)>
Rule 3: ProcessID=1 TaskID=2 ==> ResourceID=13 conf:(0.47) lift:(3.75) lev:(0) [322] < conv:(1.95)>
New workflow instancesNew workflow instances
AdministratorAdministrator
Decision-makingDecision-making
TonyTony
Task A
SusanSusan
Task B
SamSam
Task C Task E
?
第 16 页
2.2 从日志到知识
EventID ActID FlowID Staff CaseID SetDate
5313 1 66 Tony 203 2007-10-15 21:06
5314 1 66 Sam 204 2007-10-15 21:09
5315 4 66 Mary 203 2007-10-15 21:10
5316 1 66 Sam 205 2007-10-15 21:11
5317 1 66 Tony 205 2007-10-15 21:13
5318 1 66 Tony 206 2007-10-16 13:46
5319 2 66 Tom 204 2007-10-16 13:47
5320 1 66 Sam 203 2007-10-16 13:49
5321 4 66 Susan 203 2007-10-16 13:50
5322 1 66 Mary 206 2007-10-16 13:51
5323 2 66 Mary 204 2007-10-16 13:52
5324 3 66 Tony 204 2007-10-16 13:53
5325 3 66 Tom 204 2007-10-16 13:54
5326 1 66 Sam 206 2007-10-16 13:55
5327 2 66 Tom 205 2007-10-16 13:56
5328 5 66 Susan 203 2007-10-16 14:02
5329 4 66 Sam 206 2007-10-23 14:04
5330 2 66 Mary 205 2007-10-23 14:05
5331 1 66 Susan 204 2007-10-23 14:06
5332 1 66 Mary 206 2007-10-23 14:08
5333 3 66 Sam 205 2007-10-23 14:10
5334 3 66 Susan 205 2007-10-23 14:13
5335 2 66 Tony 206 2007-10-23 14:14
5336 3 66 Susan 206 2007-10-23 15:31
5337 3 66 Tom 206 2007-10-23 15:33
5338 4 66 Sam 204 2007-10-23 15:37
5339 3 66 Susan 206 2007-10-23 15:38
5340 5 66 Tom 205 2007-10-23 15:42
5341 5 66 Susan 205 2007-10-23 15:43
5342 5 66 Tom 204 2007-10-23 15:44
5343 5 66 Susan 206 2007-10-23 15:47
5344 5 66 Tom 205 2007-10-23 15:50
工作流运行日志样例
( ,"1... ") ( ,"1... ")
( ," ... ")
pX
p tprocess X n task Y n
resource Z Terry Mary
(task)(process)
(process,resource,task)
(resource,task)(process,task)(process,resource)
(resource)
1 1 9p t r ,
1 9 1p r t ,
1 9 1t r p ,
1 1 9p t r ,
9 1 1r p t ,
1 9 1t r p ,
1 9p r ,
1 9t r ,
1 1p t ,
1 1t p
9 1r t
9 1r p
资源分配元规则
第 17 页
2.2 从日志到知识
资源分配规则挖掘 (DMQL)
第 18 页
2.3 基于Apriori的分配规则发现
算法原理
* Han, Jiawei, and Micheline Kamber. Data Mining:Concepts and Techniques.
Morgan Kaufmann, 2006. doi:citeulike-article-id:709476.
第 19 页
2.3 基于Apriori的分配规则发现
算法（伪代码）Mining Multidimensional association rules from workflow event logs. Algorithm: Frequent-pattern generation. Find frequent itemsets using an iterative
level-wise approach based on Apriori candidate generation.
Input: L, the workflow event log;
min_sup, the minimum support count threshold.
Output: 3F , frequent 3-itemsets in L.
Method:
(1) 1 _ _1 ( );F find frequent itemsets L
(2) for -1( 2; ; ){kk F k
(3) 1_ ( ) ;k kC apriori gen F
(4) for each transaction t L {//scan L for counts
(5) ( , ) ;t kC subset C t //get the subsets of t that are candidates
(6) for each candidate tc C
(7) .c c o u n t ;
(8) }
(9) { | . m i n _ s u p }k kF c C c count
(10) }
(11) return 33L LU ; //Generate frequent 3-itemsets with dimension
constraints.
Procedure 1_ ( ; ( 1) )kapriori gen F frequent k itemsets
(1) for each itemset 1 1kl F
(2) for each itemset 2 1kl F
(3) if (
(4) 1 2 1 2
1 2 1 2
( [1] [1]) ( [2] [2]) ...
( [ 2] [ 2]) (( [ 1] [ 1])
l l l l
l k l k l k l k
(5) )
(6) then {
(7) 1 2;c l l //joint step: generate candidates
(8) if has_infrequent_subset( c , 1kF ) then
(9) delete c ; //prune step: remove unfruitful candidate
(10) else add c to kC ;
(11) }
(12) return kC ;
Procedure has_infrequent_subset ( : ;c candidate k itemset
1 : ( 1)kF frequent k itemsets ); // use the prior knowledge
(1) for each ( 1)k -subset s of c
(2) if 1ks F then
(3) return TRUE;
(4) return FALSE;
第 20 页
2.4 试验数据概览
活动数据分布
第 21 页
2.4 试验数据概览
资源数据分布
0 3 6 9 12 15 18 21
1000
2000
3000
4000
5000
6000
Fre
qo
en
cy C
ou
nts
# of Resources
Frequency Counts of resources
第 22 页
2.5 参数选择策略
支持度-测准度关系
第 23 页
2.5 参数选择策略
支持度-强规则数关系
第 24 页
2.6 实验结果
L-3分布图
第 25 页
2.6 实验结果
测准度分布
第 26 页
2.6 实验结果
与现有方法实验结果对比*
方法 预测准确数 时间(s) 全局预测准确度(%)
Apriori-based approach 46663 20 61.452
SVM 46643 9268 61.426
C4.5 46656 17 61.443
ID3 45285 14 59.637
Naïve Bayes 28920 9 38.086
*Tingyu Liu, Yalong Cheng, and Zhonghua Ni, "Mining Event Logs to Support Workflow Resource Allocation," Knowledge-Based Systems, vol. 35, pp. 320-331, 2012.其他相关论文：刘庭煜, 易红, 倪中华, "面向快速工艺准备的闭环工作流管理系统的研究," 计算机集成制造系统, vol. 15, pp. 495-501, 2009.
第 27 页
2.7 实验结果讨论
案例1→
案例2→
第 28 页
2.8 小结
建立了闭环工作流资源管理框架
研究了基于Apriori的强资源分配规则的生成方法
研究了负相关资源分配规则的评价指标及标注方法
研究了基于置信度的资源分配规则的排序方案
基于工艺准备工作流管理系统中的真实日志数据进行了
实验验证
第 29 页
3.任务执行时的任务知识推荐技术工作流任务执行阶段的知识推荐技术
第 30 页
3.1 情境感知的TKRE总体方案
情境感知系统（context-aware system）：若一个系统运用情境，根据用户当前任务状况对用户提供相应的信息或者服务，那么这个系统就是情境感知的。 - DEY.A.K.（CMU）
步骤 1.建立工作流情境模型 步骤 2.多维相似性计算及验证 步骤 3.任务信息推荐
最佳候选
GA
WfCOM U L A D TS D D D D D
当前情境
历史情境
1 2 3 4 5, , , ,T
w w w w w w1
( , ) ( ) ( , )WfCOM
k
S
j j k d i j
k
Sim C C w d Sim C C
交叉验证
验证结果
Sim()
t24748552
32752411
24415124
32543213
32752411
24748552
32752411
24415124
2431
%
2329
%
2026
%
1114
%
(a)
初始种群
(b)
适应度
(c)
选择
32748552
24752411
32752124
24415411
3274152
24752411
32252124
24415417
(d)
交叉
(e)
突变
第 31 页
3.2 工作流情境模型WfCOM
常用情境建模方式比较**
** STRANG T, LINNHOFF-POPIEN C. A Context Modeling Survey , UbiComp 2004 Nottingham /
England, F, 2004 [C].
第 32 页
3.2 工作流情境模型WfCOM
工作流管理系统中实体关系ER图
第 33 页
3.2 工作流情境模型WfCOM
工作流本体的情境映射
wc.what
Workflowentity
is_a
is_a
resource
is_a
task
is_a
org_entity
has_roleb
elong_t
oengage
has_task
role
Orgunits
is_aproduct
prod_data
of
process
workflow context wc
wc.how
wc.who
wc.where
exec_time
wc.when
Role_1
Role_3Role_2
Role_2_2
Role_2_1
sub sub
sub sub
Role_1
Role_3Role_2
Role_2_2
Role_2_1
sub sub
sub sub
is_aengage
execute restricted_to
Legend: owl:Class rdfs:subClassOf owl:Property
第 34 页
3.2 工作流情境模型WfCOM
WfCOM模型
Activity
WfCOMentity
Workflowentity
resourcetask
org_entity
role
Org units
Productstructure
prod_data
process
exec_time
engagedIn
hasTask
hasOrgRestriction
UserTime
DataLocation
isCon
text
hasRole
isC
onte
xt
isContext
isC
on
text
isConte
xt
att
ach
ed
_to
hasOrgRestriction
engag
e
isCon
text
onto_1
onto_3
onto_2
onto_2_2
onto_2_1
locatedIn
isMemberOf
onto_1
onto_3
onto_2
onto_2_2
onto_2_1
onto_1
onto_3
onto_2
onto_2_2
onto_2_1
onto_1
onto_3
onto_2
onto_2_2
onto_2_1
Product datainstances
Process ontology Org ontology Role ontology
Legend: owl:Class rdfs:subClassOf owl:Property
通用工作流情境本体G-WfCOM
扩展工作流情境本体
Ext-
WfCOM
hasArtifact
inst
ance
s_of
timestamp
inst
ance
s_of in
stan
ces_
of
inst
an
ces_
of
isP
art
Of
Artifact
wc.what
Workflowentity
is_a
is_a
resource
is_a
task
is_a
org_entity
has_role
belo
ng_to
engage
has_task role
Orgunits
is_in
productstructure
prod_data
process
workflow context wc
wc.how
wc.who
wc.where
exec_time
wc.when
is_a
atta
ched
_to
execute
restricted_to
Legend: owl:Class rdfs:subClassOf owl:Property
is_a
hasArtifact timestamp
Artifact
engage
第 35 页
3.3 工作流情境本体WfCOM
情境本体实例节点的属性的分类与内涵
rdfs 属性标签 意义
rdfs:type 用于申明实例的种类
rdfs:label 用于表达实例的名称、标签等，通常以字符串形式存在
rdfs:comment 用于表达实例的文本描述，通常以长文本的形式存在
rdfs:subClassOf 用于描述类之间的父子（包含）关系
rdfs:subPropertyOf 用于描述属性之间的父子关系
rdfs:domain 用于申明属性的值域
rdfs:range 用于申明属性的定义域
第 36 页
3.2 工作流情境模型WfCOM
主要RDF三元组
D1
D2
D3
D4
D5
RDF triples: RDF triples:
t1: <resource, rdfs:inContext, User>t2: <resource, rdfs:subClassOf, workflow_entity>t3: <role, rdfs:isContext, User>
……
t1: <exec_time, rdfs:isContext, Time>t2: <exec_time, rdfs:subClassOf, workflow_entity>
……
D1
D2
D3
t1: <task, rdfs:isContext, Activity>t2: <task, rdfs:in, process>t2: <process, rdfs:subClassOf, workflow_entity>
……t1: <prod_data, rdfs:isContext, Data>t2: <prod_data, rdfs:isContent, prod_structure>t3: <Artifacts, rdfs:subClassOf, prod_data>t4: <Artifacts, rdfs:subClassOf, prod_structure>
……
D4
D5
t1: <org_unit, rdfs:subClassOf, org_entity>t2: <org_unit, rdfs:isContext, Location>t3: <resource, rdfs:hasOrgUnit, org_unit> … ...
Refs=http://www.workflowcontext.org/ontologies/wfcom.owl#
D1: WfCOM.Location D2: WfCOM.User D3: WfCOM.Time
D4: WfCOM.Activity D5: WfCOM.Data
第 37 页
3.2 工作流情境本体WfCOM
多维工作流情境空间：
User维度，即用户维度
Location维度，即位置维度
Activity维度，即活动维度
V-Doc维度，即虚拟文档维度
Time维度，即时间维度
WfCOM User Location Activity Doc TimeS D D D D D
第 38 页
3.3 情境本体节点相似性计算
3.3.1.基于Jaro-Winkler的字符串语言学相似计算
3.3.2.基于向量空间模型的文本相似性计算
1 21 ,1 2
1 2
1 2 1
1( , )
3
S SS TS SJaro S S
S S S
Term x
Term y
1( )v d
( )iv d
2( )v d
1
1
0
1
2 2
1 1
( , ) ( , )
( ( ), ( ))
cos( ( ), ( ))
( )( ) ( )
( ) ( )
doc i j i j
i jVSM
i j
z
mi mji j m
z zi j mi mjm m
sim d d Coh d d
Sim V d V d
V d V d
w wV d V d
V d V d w w
r r
r r
r r
r r
...
y
Term x
Term
第 39 页
3.3 情境本体节点相似性计算
3.3.3 结构相似性计算方法
Antenna
is_part_of
T/R moduleBeamformer
is_part_of
Beam steeringcomputer
is_part_of
Radiatingelements
is_part_of
output_signal_to
Legend: owl:Class rdfs:subClassOf owl:Property
controls
controls
Property
Predicatestatement
Object classSubject class
predicate
domain range
谓语
(属性
节点
)谓
语声
明(连
接)
主语
/宾语
(类节
点)
is_part_of
ps1
Beam steering computer
谓语
(属性
节点
)谓
语声
明(连
接)
主语
/宾语
(类节
点)
controlsoutput_signal_
to
ps3ps2 ps4 ps5 ps6 ps7
Antenna T/R moduleRadiating elements
Beamformer
_ _is part ofBeamformer Antenna
1 2 3 4 5 1 2 3 1 2 3 4 5 6 7
C1 0 0 0 0 0 0 0 0 1 0 1 0 0 0 0
C2 0 0 0 0 0 0 0 0 0 1 0 1 0 0 0
C3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
C4 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1
C5 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0
P1 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0
P2 0 0 0 0 0 0 0 0 0 0 1 1 1 1 0
P3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
S1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0
S2 1 0 0 0 0
S3
S4
S5
S6
S7
C C C C C P P P S S S S S S S
0 0 0 0 0 0 0 0 0 0
0 0 1 0 0 0 0 0 0 0 0 0 0 0 0
0 0 1 0 0 0 0 0 0 0 0 0 0 0 0
0 0 1 0 0 0 0 0 0 0 0 0 0 0 0
0 0 1 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 1 0 0 0 0 0 0 0 0 0 0
邻接矩阵
有向二部图
有向二部图图元
1 , 0,1,...T T
k kk T T
k k F
BZ A B Z AZ k
BZ A B Z A
第 40 页
0 5 10 15 20 25 30 350
0.05
0.1
0.15
0.2
0.25
迭代收敛曲线
迭 代 次 数
收敛
值
奇 数 次 迭 代偶 数 次 迭 代
3.3 情境本体节点相似性计算
3.3.3 结构相似性算例迭代结果
迭代次数：34次运行时间：0.0120s
Z偶
类节点 C1 C2 C3 C4 C5
C1 0.0584 0.0538 0.0308 0.0554 0.0435
C2 0.0538 0.0538 0 0.0509 0.0402
C3 0.0308 0 0.5343 0.0312 0.0251
C4 0.0554 0.0509 0.0312 0.0530 0.0419
C5 0.0435 0.0402 0.0251 0.0419 0.0344
0.0584 0.0538 0.0308 0.0554 0.0435 0.0240 0.1662 0.0096 0 0 0 0 0 0 0
0.0538 0.0538 0 0.0509 0.0402 0.0239 0.1655 0.0094 0 0 0 0 0 0 0
0.0308 0 0.5343 0.0312 0.0251 0 0 0 0 0 0 0 0 0 0
0.0554 0.0509 0.0312 0.0530 0.0419 0.0219 0.1592 0.0060 0 0 0 0 0 0 0
0.0435 0.0402 0.0251 0.0419 0.0344 0.0148 0.1305 0.0060 0 0 0 0 0 0 0
0.0240 0.0239 0 0.0219 0.0148 0.0164 0.0620 0.0062 0 0 0 0 0 0 0
0.1662 0.1655 0 0.1592 0.1305 0.0620 0.5343 0.0251 0 0 0 0 0 0 0
0.0096 0.0094 0 0.0089 0.0060 0.0062 0.0251 0.0025 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0.0125 0.0123 0.0243 0.0240 0.0226 0.0239 0.0096
0 0 0 0 0 0 0 0 0.0123 0.0125 0.0239 0.0239 0.0223 0.0235 0.0094
0 0 0 0 0 0 0 0 0.0243 0.0239 0.1037 0.1034 0.1001 0.1030 0.0195
0 0 0 0 0 0 0 0 0.0240 0.0239 0.1034 0.1033 0.0999 0.1027 0.0192
0 0 0 0 0 0 0 0 0.0226 0.0223 0.1001 0.0999 0.0970 0.0995 0.0183
0 0 0 0 0 0 0 0 0.0239 0.0235 0.1030 0.1027 0.0995 0.1024 0.0193
0 0 0 0 0 0 0 0 0.0096 0.0094 0.0195 0.0192 0.0183 0.0193 0.0077
第 41 页
3.4 多维情境相似性计算组合策略
相似计算
情境搜索
1 2 3 4 5 6 7 8 9 10 11 12
( ) ( )
( , , ,0, , , ,0, , ,0,0,0,0,0, )
( , )
( ( ),
, ,
, , ,0,
, ,( ), ( ,, ),0
x y
x
string doc s
y x y x y
U U U U U Utruc strin
Sim W SIM
W
w w w w w w w w w w w w
SIM x y
ci ci x y
i i i i i iSim Sim Sim Sim
( ),
( ), ( ),0, ( ), ( ), ( ),
0, ( ), (( ),0,0,0,0,0, ( )
,
, , , ,
, , , )
,
g
do
x y
L L
x y x y x y x y x y
L L L L A A A A A A
x y x y x y
D D D D
c struc string doc struc
string do time T Tc
Sim Sim Sim Sim Sim
Sim Sim Sim
i i
i i i i i i i i i i
i i i i i i
arg max( ( ,( ) ))j H
C jci
C CI
Sim c cii i ic c
第 42 页
3.4 多维情境相似性计算组合策略
基于GA的最优权重向量搜索的基本条件
1
1
( , , )
. .
1,
0 1 1,
2,...,12
HI
H s m
s
H
i
Object function
I ci h W
IMinimize
s t
W
w i
1
( , , )
Pr ( )
HI
s m
s
H
ci h W
ecision WI
第 43 页
3.5 实验数据概览
全局索引词频度（TF）统计
0
100
200
300
400
500
600
700
800
Stem Frequency
第 44 页
3.5 实验数据概览
工艺部某室文件操作日志实例片段
对象 创建人 操作人 操作类型 操作时间
200385 542 307 A 2007/9/15 11:39
617692 542 266 A 2007/9/15 11:52
184537 543 266 A 2007/9/15 12:19
184537 543 266 A 2007/9/15 12:20
616270 547 222 A 2007/9/15 15:37
526755 214 337 A 2007/9/15 15:52
667839 546 222 A 2007/9/15 16:14
616271 547 222 A 2007/9/15 16:16
216365 542 307 A 2007/9/15 16:37
216365 542 307 A 2007/9/15 16:39
216375 542 307 A 2007/9/15 16:41
198859 545 307 A 2007/9/15 16:45
600898 551 222 A 2007/9/15 16:58
第 45 页
3.5 实验数据概览
操作人员操作频度分布图
第 46 页
3.5 实验数据概览
文档对象受访频度分布图
第 47 页
3.5 实验数据概览
文档创建人执行频度分布图
第 48 页
3.6 实验结果
基于GA的最优权重向量搜索算法收敛曲线
第 49 页
3.6 实验结果
User维度相似性矩阵图形化表示(服务器端)
(U-1) (U-2) (U-3)
图 1 WfCOM 的 User 维度相似性矩阵图形化表示
第 50 页
3.6 实验结果
WfCOM的Location维度相似性矩阵图形化表示(服务器端)
(L-1) (L-2) (L-3)
图 1 WfCOM 的 Location 维度相似性矩阵图形化表示
第 51 页
3.6 实验结果
WfCOM的活动维度相似性矩阵图形化表示(服务器端)
(A-1) (A-2) (A-3)
图 1 WfCOM 的 Activity 维度相似性矩阵图形化表示
第 52 页
3.6 实验结果
WfCOM的Data维度String/Doc相似性矩阵图形化表示(服务器端)
图 1 WfCOM 的 Data 维度 Doc 相似性矩阵图形化表示
第 53 页
3.6 实验结果
向量搜索结果及最终预测结果*表 1 基于 GA 的权重向量空间搜索结果数据
搜索时间（s） 迭代次数 最佳目标函数值 函数验证次数 最大约束超差
388.6279 2500 0.168682 150056 9.99E-4
表 2 最优权重向量
情境维度 U L A D T
分维度取
值 0.18 0.14 0.40 0.22 0.06
分维度
权重向量1 1w 2w
3w 4w
5w 6w
7w 8w
9w 10w
11w 12w
值 0.02 0.04 0.12 0.02 0.06 0.06 0.06 0.08 0.26 0.04 0.18 0.06
1表 2 中， iw与相似计算因子类别的对应关系参见式错误!未找到引用源。。
*[1] Tingyu Liu, Huifen Wang, Yong He. Intelligent knowledge recommending approach for new product development based on workflow context matching[J]. Concurrent Engineering, 2016.[2] 刘庭煜*，汪惠芬等， 一种基于多维情境本体匹配的产品开发过程业务产物智能推荐方法[J]. 计算机集成制造系统, 2016.
第 54 页
3.6 实验结果
表 1 工作流任务生命周期各阶段效率对比
KiWfMS 工作模式 任务分配平均操作时间（s） 任务执行的历史信息获取平均操作时间（s）
人员熟练度* R1 R2 R3 T1 T2 T3
Generic Mode 42.8 26.1 13.3 286.2 191.3 110.4
Quick Mode 15.5 10.6 8.7 144.2 124.9 89.5
*注：R1、R2、R3 分别为熟练度为 1、2、3 的任务分配管理人员；T1，T2，T3 分别为熟练度为 1、2、3 的任务执行人员。
工作流任务生命周期各阶段效率比
0
0.5
1
1.5
2
2.5
3
R1 R2 R3 T1 T2 T3
效率比
GenericModeRatio
QuickMode
执行时间
执行时间
第 55 页
3.7 小结
针对工作流管理系统在任务执行领域的知识推荐问题
提出了一种情境感知的任务知识推荐技术。首先，基于本
体论建立了工作流情境模型WfCOM，
研究了WfCOM的本体节点在元素层面以及结构层面的相
似计算方法。
在此基础上，提出了一种基于文件历史访问记录的多维权
重向量搜索方法。
最后，基于实际数据进行了算法实例验证。
第 56 页
4.总结与展望
第 57 页
4.1 工作总结
任务实例化阶段快速资源分配技术:
提出了一种闭环的工作流资源管理框架
提出了一种基于Apriori的资源分配规则快速发现方法
提出了一种基于lift的负相关分配规则标注方式
任务执行阶段的知识推荐技术：
建立了基于本体的工作流情境模型WfCOM
研究了情境本体模型在元素层面（Jaro-Winkler/TF-IDF
）和结构层面(二部图法)的相似计算方法
提出了一种基于工作流文档访问历史的权重向量评价方法
以实现最优历史情境推荐
第 58 页
4.2 工作展望
快速资源分配算法效果和效率的改进
从资源个体层面向更高组织层面的探索
工作流任务知识推荐技术仍待改进
情境本体模型WfCOM的进一步扩充
节点相似度算法的改进
系统突然变动带来的“冷启动”问题
第 59 页
