基于行為輪廓定義目標規則的流程建模推薦方法

李多芹，方賢文

（安徽理工大學數學與大數據學院，安徽淮南 232001）

0 引言

為了快速應對不斷變化的商業環境，現代企業對業務流程建模提出了更高的要求；然而流程模型的建立是一項非常耗時耗力的工作，于是流程建模推薦技術得到越來越多的研究。利用現有流程庫潛在價值驅動的數據挖掘和流程推薦技術構建流程，可以在領域知識不足或缺失時，通過縮短思考時間，加快業務流程設計工作；可以指導選擇最可能的任務，盡量減少業務流程設計工作中可能出現的錯誤，通過提供有用的建議來完善主要意圖和模糊的想法；能減少新流程和現有流程之間的不兼容問題。文獻［1］研究表明，盡管推薦技術已經在學術研究和工業領域中得到了廣泛的應用，但在業務流程管理領域中，推薦技術還是一個相對較新的課題。

現有的基于數據庫的流程建模推薦主要分為兩類。第一類是基于圖結構的推薦，其中：文獻［2］中對現有的度量流程相似性方法做了改進，并將其用于在流程庫中查詢結構相似的流程；文獻［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算結果作為流程推薦的依據；文獻［4］中提出了一種數據模型用以支撐流程建模推薦系統的開發，并通過真實世界中的系統逆向工程進行驗證。然而現有基于圖結構的流程推薦方法多數情況下無法保證準確性，于是產生了第二類基于行為的推薦方法。目前為止，關注流程行為的建模推薦方法并不多，其中：文獻［5］中提出了一種基于流的方法，用于捕獲業務流程建模中指定的流程，并通過對IBM Blueworks 案例的重新建模，驗證了所提的方法；文獻［6］中利用流程結構樹和獨立路徑概念在流程庫中進行相似度計算，選取高相似度路徑中的節點作為推薦節點。然而，在實際的工作流程中實現同一業務目標可能有各種圖結構及多種不同的路徑，因此基于圖結構或路徑的推薦可能導致很多有用推薦信息的丟失。文獻［7］研究表明，目標是利益相關者和系統期望達成的狀態，回答“為什么”問題，這一問題是流程模型不能處理的，因為流程擅長回答“何時”的問題，因此兩種視圖是互補的。這一事實表明，在建模過程中考慮流程的目標能夠為建模者提供強有力的指引，但是目前為止關聯流程目標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務目標實現規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，建模者根據業務陳述將業務拆分成更為具體的k個子業務，同時明確子業務間基于行為輪廓表達的能夠實現業務目標的交互規則，即制定當前建模模型的k階目標輪廓。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算當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）個流程，并將這些流程中與當前建模下一節點匹配的節點作為推薦節點。最后，在真實的數據集上驗證所提方法的有效性。

1 相關概念

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

圖1 為使用標簽Petri 網表示的兩種簡化業務流程。

圖1 兩種運輸組織的業務流程Fig.1 Business processes of two transportation organizations

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

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

1）嚴格序關系x→y，當且僅當x?y，yx；

2）嚴格逆序x→-1y，當且僅當y?x，xy；

3）排他序關系x+y，當且僅當xy，yx；

4）交叉序關系x||y，當且僅當x?y，y?x。

以上幾種關系構成了網N的行為輪廓，記作BP={ →，→-1，+，||}。

為了聯合表示標簽Petri 網中所有可能變遷對的上述行為關系，引入行為輪廓矩陣的概念，旨在以矩陣的形式表達標簽Petri 網的上述行為關系。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 既可以發生在活動G 之前也可以發生在活動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

為了計算候選流程庫中的模型與當前建模模型的相似度，引入文獻［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。該方法建立在系數和流程模型活動對間的行為關系上，且已經證實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］。給定兩個標簽Petri 網P和Q，→P和→Q分別代表行為輪廓BPP和BPQ的嚴格序關系，于是P和Q 的嚴格序相似性為：

同理定義排他序和交叉序相似性如下：

于是網P和網Q的行為輪廓相似性為：

以圖1 中的兩個標簽Petri 網及表2 中對應的行為輪廓為例，計算得到：

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

2 行為輪廓定義規則的業務目標表示方法

針對企業內部的某一項業務，尤其是新增業務，其目標指的是期望達成的狀態。文獻［7］中闡述了結合目標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能夠為建模者提供強有力的指引。于是，本章介紹了現存的業務目標表示方法，并針對這些方法的不足之處提出了一種業務目標表示的新視角。

2.1 現存的業務目標表示方法

關于業務目標的表示，很多學者已經做了相關的研究。文獻［7］中把目標表示為有向圖模型，通過有向的圖結構展示子目標之間的相互作用。其中，AND-refinement links 表示當且僅當所有子目標都被滿足時，父目標才被滿足；ORrefinement links 則只要求滿足可選子目標的其中一個。子目標之間的兩種聯系作用描繪了子目標對其他子目標的積極或消極影響程度。文獻［12］中指出，傳統的方法過分關注于過程和數據，不能發掘過程和數據背后更深層次的原因，于是提出了一種相對復雜的目標建模理念，即從使命/任務陳述中識別執行者間的依賴并明確期望、愿景和能力等與活動間的關系，在這個基礎上目標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，應該如何做”等問題不斷地揭示利益相關者的訴求。文獻［13］將業務流程的目標定義為合取范式中布爾條件的結合，即goal=g1∧g2∧…∧gn，并通過領域約束對子目標排序。

上述各種目標表示方式各有優勢且有相通之處，但對業務流程模型的建立而言，這些表達方式無法在建模過程中為建模者提供明確的指引信息。基于此，下面將提出一種基于行為輪廓定義規則的業務目標表示方法。

2.2 基于行為輪廓定義規則的業務目標表示方法

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

另一方面，拆分出的子業務間都有明確的交互規則，且這些規則的滿足情況直接決定著業務目標能否達成。在行為輪廓背景下，這些交互規則同樣可以用行為關系的形式來表達。與行為輪廓矩陣的提出類似，為了聯合表示所有子業務對的行為關系，本文引入目標輪廓矩陣的概念。用目標輪廓矩陣來形式化子業務的交互規則，除了規則表達的規范性外，更重要的是，對于某一業務流程來說，目標輪廓矩陣可以看作是行為輪廓矩陣以目標為導向的抽象。

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

表3 “Package Sorting”業務目標輪廓Tab.3 Business target profile of“Package Sorting”

此時，當流程庫中某流程滿足表3 中的目標輪廓時，即流程的行為輪廓矩陣包含目標輪廓矩陣時，就表示執行該流程能夠實現業務目標，這樣的目標表示方式將業務目標與業務流程緊密鏈接，體現業務目標與業務流程間深層次的內在聯系。于是，當建模者期望從流程庫中獲取流程知識以輔助建模時，可先制定業務目標輪廓，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構的限制，即那些滿足目標輪廓但路徑或圖結構相似度低的流程，同樣有機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，因為它們能夠指引建模者最終建立一個能夠實現業務目標的業務流程模型。

3 本文流程建模推薦方法的實現

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，共分為預處理、行為輪廓比對及流程節點推薦3 個部分。

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

3.2 預處理

預處理部分包括以下兩個方面：

1）目標輪廓的制定。建模者根據業務陳述制定用于實現業務目標的子業務間基于行為輪廓表達的交互規則，即制定目標輪廓矩陣。

2）流程庫的預處理。先用標簽Petri 網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 行為輪廓比對和節點推薦

行為輪廓比對指的是當前建模模型的目標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前建模模型目標一致的流程模型，即獲取候選流程集CPS。節點推薦部分則是從候選流程集中選出與當前建模模型相似度最高的流程，并把對應的下一節點作為推薦節點。算法1 給出了以和m為輸入生成推薦節點集Rnodes的具體步驟，其中p0為當前建模模型，m是建模者自定義的參數。

算法1 基于行為輪廓定義目標規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和一個推薦節點集Rnodes。

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

3）再通過6）～12）行獲取推薦節點。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算其與當前建模模型的相似度（7）行）。然后，篩選出候選流程集CPS中與當前建模模型相似度最高的m個流程（8）行），并根據定義2 中的映射函數建立這些模型與當前建模模型之間的節點映射（9）～10）行）。最后，將這些流程中與當前建模節點對應的節點的下一節點作為推薦節點，并放入推薦節點集Rnodes中（11）～12）行）。

4）最后，13）行返回長度m的推薦節點集Rnodes。

4 實驗評估

本文實驗在真實數據集上進行，從推薦能力和推薦準確率兩方面將文本方法與現存方法進行對比評估。首先，由于本文所提的基于行為輪廓定義目標規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有的獨立路徑匹配方法［6］進行比較。其次，在證明了所提方法確實能夠為建模者提供更多有用信息后，進一步與獨立路徑匹配算法比較在推薦準確率方面的表現。此外，實驗中用到的真實數據集可在線訪問：https：//github.com/duoqinLi/real-business-process-data。

4.1 實驗數據

4.1.1 流程庫數據集

為了驗證本文所提方法的有效性及適用性，實驗在真實數據集上進行評估。該數據集是從中國浙江省杭州市某區政府收集的各種業務流程模型，最早在文獻［1］中使用。表4 中給出了該數據集的統計信息。

表4 數據集的統計信息Tab.4 Statistics of dataset

此外，文獻［1］已將這些原始的業務流程模型轉化為矩陣的形式，同時為每一個流程編號，并用數字1～52 表示數據集中的事件，本文將從該數據集中隨機抽取2 組每組20 個流程作為實驗的流程庫。

4.1.2 當前建模模型的構造

為確保實驗的可信度，將在剩余的數據集中隨機選取1條業務流程模型G531，并取前半部分的模型片段作為當前建模模型。同時追溯到原始的業務流程模型，在某區政府工作人員的幫助下制定這些業務流程的目標輪廓如表5 所示，其中0：嚴格逆序→-1；1：嚴格序→；2：排他序+；3：交叉序||。

表5 當前建模模型的業務目標輪廓Tab.5 Business target profile of current modeling model

表5中標識符與實際活動的對應關系如表6所示。

表6 標識符與實際活動的對應關系Tab.6 Corresponding relationship between identifiers and actual activities

4.2 推薦能力方面的表現

本文所提的行為輪廓定義目標規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。為驗證這一點，將本文方法與文獻［6］中的獨立路徑匹配方法進行比較，評估比較兩種推薦方法搜索流程知識的能力。

4.2.1 實驗步驟

為了評估比較兩種推薦方法搜索流程知識的能力，設計如下實驗步驟：首先，當固定當前建模路徑的節點數量時，對表5 中的目標輪廓，從實驗流程庫中搜索滿足該目標輪廓的流程模型。對搜索出來的每一條流程模型，利用文獻［6］中所給出的基于最長公共子序列計算獨立路徑間相似度的方法，分別計算每條獨立路徑與當前建模路徑的相似度。根據整體的相似性情況，將計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組實驗流程庫中滿足目標輪廓的流程模型，以及當分別固定當前建模路徑的節點數為4～8 時，每條流程模型上3 個相似度等級分別占獨立路徑總數的百分比。

注意，當業務流程中含有循環結構時，基于獨立路徑匹配的方法具有一定的局限性，因為在這種情況下獨立路徑的數量是無限的。然而循環結構在實際的業務流程中是常見的，于是在本實驗中假設，當業務流程中存在循環結構時，只考慮包含1 循環和2 循環的路徑。

4.2.2 結果分析

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

圖3 推薦能力實驗結果Fig.3 Experimental results of recommendation ability

4.3 推薦準確率方面的表現

在本節中將進一步評估兩種方法在推薦準確率方面的表現。

4.3.1 實驗步驟

為了評估比較兩種推薦方法的推薦準確率，設計如下實驗步驟：當固定需要推薦的節點數量為5 時，對于獨立路徑匹配方法，先利用流程結構樹和獨立路徑在流程庫中進行相似度計算，再選取相似度最高的5 條路徑中的節點作為推薦節點集；對于本文所提方法，先通過目標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算候選流程庫中流程與當前建模模型的相似度，最后，選取相似度最高的5 個流程的下一節點作為推薦節點集。

4.3.2 評估標準

分別獲取兩種推薦方法的推薦節點集后，下面給出評估準確率所遵循的評估標準。首先，在4.1.2 節中已經給出了當前建模模型的構造方法，于是其在原模型中的后續節點即可作為準確率評估的參考節點；其次，當前建模模型的節點數量分別為4～8 時，依次計算每組實驗流程庫上正確推薦節點數；最后，兩種推薦方法的準確率值為兩組實驗流程庫上正確推薦節點數之和與10（因為每組實驗流程庫上獲取的推薦節點集中都有5 個節點）的比值。

按照上述的實驗步驟和評估標準可計算得到如圖4 所示的結果。

圖4 推薦準確率實驗結果Fig.4 Experimental results of recommendation accuracy

4.3.3 結果分析

整體上，兩種方法在準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確度上是滿足實際應用要求的。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立路徑匹配算法，但平均準確率為70%高于獨立路徑匹配算法的68%。這是因為：一方面獨立路徑匹配算法只追求路徑的相似度，而忽略了在實際的業務流程執行中可能存在相似度較低的兩條路徑都能達到相同目標狀態的情況。另一方面流程中的循環結構會在一定程度上影響獨立路徑間的相似度，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，隨著當前建模路徑節點數的增加，相比獨立路徑匹配方法，本文所提目標輪廓方法的推薦準確率呈平穩上升趨勢。

上述所有的實驗結果表明，本文所提出的基于行為輪廓定義目標規則的流程建模推薦方法能夠滿足實際應用的需求，同時相較于現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 結語

本文基于行為輪廓和業務流程的目標提出了一種新的業務流程建模推薦方法。首先，為業務目標的實現制定目標輪廓；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算候選流程庫中流程與當前建模模型的相似度，進而為當前建模模型推薦最可能的下一節點。實驗結果表明所提方法在準確率滿足實際應用需求的同時能夠為建模者提供更多有價值的信息。正如實驗中所反映的，兩種方法在一定程度上是互補的，在未來的工作中將考慮把兩種方法有效地結合起來以達到更好的推薦效果。