公开(公告)号：CN105260804A

公开(公告)日：2016-01-20

申请号：CN201510777521.2

申请日：2015-11-12

Applicant: 安徽理工大学

Inventor： 方贤文 ,  曹芮浩 ,  王晓悦 ,  刘祥伟 ,  方欢

IPC: G06Q10/04 ,  G06Q10/06

Abstract: 一种基于队列挖掘关于业务流程优化的分析，适合处理不同类别的、多事件参与的业务流程且事件执行存在时延的情况。首先利用现有的过程挖掘技术建立业务流程的初始模型并运用合理性和行为适当性检验，然后通过服务流程中事件的定义结合日志序列抽取事件的服务日志，再基于队列挖掘的快拍准则，针对特定的事件进行时延预测，包括HOL预测和LES预测通过时延预测分析整理出事件的行为信息，结合Petri网行为轮廓关系优化初始模型，最后利用模型合理性和事件执行的优先权还原度检验优化后的模型。本发明对事件执行存在时延的业务流程模型进行优化，得到的模型不仅能很好的模拟业务进程，同时能通过挖掘事件执行的行为信息来进一步控制优化流程模型。

公开(公告)号：CN104318125A

公开(公告)日：2015-01-28

申请号：CN201410648889.4

申请日：2014-11-14

Applicant: 安徽理工大学

Inventor： 方新建 ,  刘祥伟 ,  方贤文 ,  王晓悦 ,  殷志祥

IPC: G06F19/00

Abstract: 一种基于Petri网动力学表达式的业务流程模型行为偏差的分析方法，利用Petri网的动态行为特征，分析两个业务流程模型的发生序列中变迁对应关系，构造动力学表达式，通过计算匹配序列间的行为距离，并结合行为轮廓对行为活动的约束关系，分析模型间存在的行为偏差。本发明提出的业务流程模型行为偏差分析的新方法，能有效地解决业务流程模型行为匹配度较低，测量结果可能不精确问题，对业务流程模型的一致性分析有较大优势。

公开(公告)号：CN105045706A

公开(公告)日：2015-11-11

申请号：CN201510438326.7

申请日：2015-07-22

Applicant: 安徽理工大学

Inventor： 方贤文 ,  王晓悦 ,  曹芮浩 ,  刘祥伟 ,  方新建

IPC: G06F11/34

Abstract: 一种基于Petri网行为轮廓挖掘业务流程中不可见任务的新方法。首先分析最长的且发生频率最高的日志序列之间的行为关系，结合弱行为轮廓的定义得出源模型，再根据剩余日志中出现缺省活动的序列，一步步优化源模型从而找到带有不可见任务的模型。最后将其与源模型进行比较得出带有不可见任务模型的合理性及适当性。目前挖掘不可见任务针对自由选择网有一些解决办法，但是对于复杂的过程模型存在一定的局限性。本发明不仅能够挖掘出复杂过程模型中的不可见任务，而且能提高日志与模型之间的合理性f和行为适当性aB。该技术在业务流程的事件日志分析中有较好的促进作用。

公开(公告)号：CN105959412A

公开(公告)日：2016-09-21

申请号：CN201610504890.9

申请日：2016-06-29

Applicant: 安徽理工大学

Inventor： 方贤文 ,  曹芮浩 ,  王晓悦 ,  王丽丽 ,  方新建 ,  刘祥伟

IPC: H04L29/08 ,  H04L12/911

CPC classification number: H04L67/10 ,  H04L47/70

Abstract: 一种基于队列挖掘的云服务资源分配分析方法，适合处理顾客和资源交互情况下的云服务流程中复杂资源的分配问题。考虑顾客和资源交互情况下的顾客服务日志和资源服务日志，首先直接利用两类服务日志，通过顾客和资源的类别进行资源匹配，并通过损失函数L(d,π(x))进行优化得到资源初次分配方案π(X)；然后基于顾客服务日志提出基于资源服务日志的队列挖掘方法，获得到顾客队列信息，包括顾客队列长度q(t)、顾客时延时间h(t)和放弃队列时间等。以及资源分配的决策信息，包括顾客接受服务时间和资源服务状态FSTA。在此基础上，提出基于服务进程属性的资源分配算法，进行资源再次分配，当队列长度和时延时间达到阈值时，通过优化分析得到最终的云服务资源分配方案。

公开(公告)号：CN105138445A

公开(公告)日：2015-12-09

申请号：CN201510504071.X

申请日：2015-08-17

Applicant: 安徽理工大学

Inventor： 方贤文 ,  曹芮浩 ,  王晓悦 ,  方贤军 ,  刘祥伟

IPC: G06F11/34

Abstract: 基于Petri网概率行为关系挖掘业务流程中不可见任务的新方法。首先结合记录产生的日志序列，对其进行分区，把活动变迁集∑分配成不相交的非空子集∑1,∑2…∑n。再对分区部分进行分割，通过对其进行二进制分割找到活动对之间的关系，选择概率最大的作为分区之间的行为关系，从而构建源模型。再分析日志中出现缺省活动的序列，通过优化源模型从而找到带有不可见任务的模型。最后将其与源模型进行比较得出带有不可见任务模型的合理性及适当性，通过比较分析业务流程中不可见任务的位置。目前挖掘不可见任务的方法不能高效地挖掘出带有不可见任务的模型,本发明不仅能够挖掘出不完备日志中的不可见任务，而且有利于挖掘出带有不可见任务的业务流程模型。