一種基于屬性傳遞的流程一致性檢驗方法與系統與流程
1.本發明涉及數據傳遞分析領域，尤其涉及一種基于屬性傳遞的流程一致性檢驗方法與系統。
背景技術：
2.流程挖掘是近年來新興的數字化工具，其工作原理是從信息系統記錄的事件日志中提取各流程活動的時間和關聯信息，從而還原出該流程的實際工作情況，其中流程一致性指的是評價流程現有路徑和標準流程路徑是否一致，對兩者之間的一致性程度做出量化評價，并發現兩者之間不一致的地方。通過檢驗兩者之間的偏差以及權衡偏差的嚴重性，可以改進流程以提高流程模型的效率，使得流程模型可以更好的為業務服務。因此，一致性檢驗在流程挖掘中意義重大；
3.現有的基于屬性傳遞的流程一致性檢驗方法與系統屬性要素提取的準確性低，不方便工作人員使用，降低工作人員使用體驗；此外，現有的基于屬性傳遞的流程一致性檢驗方法與系統容易出現因存儲多余的冗余數據從而影響數據傳輸，降低數據傳輸效率；為此，我們提出一種基于屬性傳遞的流程一致性檢驗方法與系統。
技術實現要素：
4.本發明的目的是為了解決現有技術中存在的缺陷，而提出的一種基于屬性傳遞的流程一致性檢驗方法與系統。
5.為了實現上述目的，本發明采用了如下技術方案：
6.一種基于屬性傳遞的流程一致性檢驗方法，該檢驗方法具體步驟如下：
7.(1)核驗源流程傳遞數據并獲取屬性表；
8.(2)獲取并指定傳遞字段參數；
9.(3)依據屬性表對各參數進行匹配分析；
10.(4)將異常的流程信息反饋給工作人員。
11.作為本發明的進一步方案，步驟(1)所述傳遞數據核驗具體步驟如下：
12.步驟一：構建分析網絡模型，同時對該分析網絡模型進行優化，之后依據工作人員選擇信息抓取相對應的數據流程作為源數據流程，并將其流程信息導入分析網絡模型中；
13.步驟二：分析網絡模型提取該流程信息特征數據，并通過歸一化轉換函數將各組特征數據轉換至默認檢測區間內，之后將歸一化后的各組特征數據送入雙向特征金字塔，進行特征融合以生成特征檢測圖，并對特征檢測圖進行分類回歸以輸出屬性檢測框，其歸一化具體計算公式如下：
[0014][0015]
式中，x
new
代表歸一化后的數據，x
min
代表特征數據的最小值，x
max
代表特征數據的最大值，x代表源數據流程的特征數據；
[0016]
步驟三：收集檢測框信息，并生成相對應的檢測框坐標信息，之后依據獲取的坐標信息對相關樣本檢測圖進行擴大化剪裁以獲取相關流程中的源要素并記錄以生成相關屬性表。
[0017]
作為本發明的進一步方案，第一步所述分析網絡模型具體優化步驟如下：
[0018]
第一步：分析網絡模型收集過往檢測結果，并將收集到的各組檢測結果分為驗證集、測試集以及訓練集，并重復多次使用驗證集中的各組數據對分析網絡模型精度進行驗證，并統計測試集中各數據均方根誤差，同時測試集中每組數據都進行一次預測；
[0019]
第二步：將預測結果最好的數據作為最優參數輸出，依據最后參數對訓練集進行標準化處理生成訓練樣本，之后將訓練樣本輸送到分析網絡模型中，并采用長期迭代法對該分析網絡模型進行實時優化。
[0020]
作為本發明的進一步方案，步驟(2)所述傳遞字段參數指定具體步驟如下：
[0021]
s1.1：依據工作人員選擇的源數據流程，對該數據流程外的其余數據流程進行抓取，同時對各組流程信息中的傳輸數據中各組傳遞字段進行提取；
[0022]
s1.2：對傳遞字段參數中指定一組或多組字段，如果傳遞字段的名稱存在重復名稱，則將重復的傳遞字段的名稱追加后綴以保證名稱唯一，并將指定的一組或多組字段作為目標要素。
[0023]
作為本發明的進一步方案，步驟(3)所述匹配分析具體步驟如下：
[0024]
s2.1：依據系統默認或人工設定的規則確認數據流程拓撲結構或空間模式，當屬性表中的一個或多個源要素與一個或多個目標要素被識別為具有匹配的拓撲結構或空間模式時，將相應要素組成一個匹配組；
[0025]
s2.2：接收各匹配組匹配置信度的值，并按照獲取的匹配置信度將匹配結果分為以下四類：匹配置信度為100，得到指定匹配字段確認的匹配；匹配置信度為75，未得到指定匹配字段確認的匹配；匹配置信度為50，指定匹配字段中存在字段值差異；匹配置信度為0，不匹配的源要素或目標要素；
[0026]
s2.3：對匹配置信度為75的各組目標要素進行重新匹配，之后收集匹配置信度為0以及50的各組目標要素，同時依據各組目標要素抓取相關數據流程，并將其標記為異常數據流程。
[0027]
一種基于屬性傳遞的流程一致性檢驗系統，包括管理平臺、流程抓取模塊、要素解析模塊、解析優化模塊、參數分析模塊、異常分析模塊、云端服務器以及數據清理模塊；
[0028]
其中，所述管理平臺用于接收各子模塊反饋的信息并以圖像化的形式反饋給工作人員查看，同時依據工作人員操作信息下發控制指令；
[0029]
所述流程抓取模塊用于對工作人員選擇的數據流程進行抓取，并將其標記為源數據流程；
[0030]
要素解析模塊用于構建分析網絡模型以對源數據流程中的源要素進行解析提取；
[0031]
解析優化模塊用于對分析網絡模型進行訓練優化；
[0032]
所述參數分析模塊用于對源流程后續流程中目標要素進行分析收集；
[0033]
所述異常分析模塊用于將源要素與目標要素進行匹配分析，并依據分析結果抓取異常流程；
[0034]
所述云端服務器用于存儲各子模塊運行數據；
[0035]
所述數據清理模塊用于定期對云端服務器存儲數據進行數據回收。
[0036]
作為本發明的進一步方案，所述數據清理模塊數據回收具體步驟如下：
[0037]
p1：當云端服務器中的存儲數據取值達到規定閾值后，數據清理模塊依據系統默認或人工設定的循環時間值定期對各存儲數據進行收集計算以及更新；
[0038]
p2：將每次更新后的收集數值反饋至管理平臺供工作人員進行查看，之后數據清理模塊對云端服務器內各組存儲數據由老到新進行抽取，再對各組存儲數據依據計算出的收集數值進行回收，并將收集信息反饋至管理平臺供工作人員進行查看。
[0039]
相比于現有技術，本發明的有益效果在于：
[0040]
1、該基于屬性傳遞的流程一致性檢驗方法相較于以往檢驗方法，本發明通過分析網絡模型收集過往檢測結果，并將收集到的各組檢測結果分為驗證集、測試集以及訓練集，并重復多次使用驗證集中的各組數據對分析網絡模型精度進行驗證，并統計測試集中各數據均方根誤差，同時測試集中每組數據都進行一次預測，之后將預測結果最好的數據作為最優參數輸出，依據最后參數對訓練集進行標準化處理生成訓練樣本，之后將訓練樣本輸送到分析網絡模型中，并采用長期迭代法對該分析網絡模型進行實時優化，然后分析網絡模型接收并提取工作人員選擇的源數據流程特征數據，并提取其特征數據并通過特征融合以生成特征檢測圖，之后進行擴大化剪裁獲取源要素，通過構建分析網絡模型對源要素提取，能夠提高屬性要素提取的準確性，同時分析網絡模型能夠自行依據過往檢測結果進行優化，簡化工作人員維護步驟，方便工作人員使用，提高工作人員使用體驗；
[0041]
2、該基于屬性傳遞的流程一致性檢驗系統設置有數據清理模塊，當云端服務器中的存儲數據取值達到規定閾值后，數據清理模塊依據系統默認或人工設定的循環時間值定期對各存儲數據進行收集計算以及更新，之后將每次更新后的收集數值反饋至管理平臺供工作人員進行查看，之后數據清理模塊對云端服務器內各組存儲數據由老到新進行抽取，再對各組存儲數據依據計算出的收集數值進行回收，并將收集信息反饋至管理平臺供工作人員進行查看，能夠定期對云端服務器中存儲的數據進行清理，避免因存儲多余的冗余數據影響數據傳輸，提高數據傳輸效率，節省工作人員人工清理時間。
附圖說明
[0042]
附圖用來提供對本發明的進一步理解，并且構成說明書的一部分，與本發明的實施例一起用于解釋本發明，并不構成對本發明的限制。
[0043]
圖1為本發明提出的一種基于屬性傳遞的流程一致性檢驗方法的流程框圖；
[0044]
圖2為本發明提出的一種基于屬性傳遞的流程一致性檢驗系統的系統框圖。
具體實施方式
[0045]
下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。
[0046]
實施例1
[0047]
參照圖1，本實施例公開了一種基于屬性傳遞的流程一致性檢驗方法，該檢驗方法具體步驟如下：
[0048]
核驗源流程傳遞數據并獲取屬性表。
[0049]
具體的，首先要素解析模塊構建分析網絡模型，同時通過解析優化模塊對該分析網絡模型進行優化，之后依據工作人員選擇信息抓取相對應的數據流程作為源數據流程，并將其流程信息導入分析網絡模型中，分析網絡模型提取該流程信息特征數據，并通過歸一化轉換函數將各組特征數據轉換至默認檢測區間內，之后將歸一化后的各組特征數據送入雙向特征金字塔，進行特征融合以生成特征檢測圖，并對特征檢測圖進行分類回歸以輸出屬性檢測框，再收集檢測框信息，并生成相對應的檢測框坐標信息，之后依據獲取的坐標信息對相關樣本檢測圖進行擴大化剪裁以獲取相關流程中的源要素并記錄以生成相關屬性表。
[0050]
其歸一化具體計算公式如下：
[0051][0052]
式中，x
new
代表歸一化后的數據，x
min
代表特征數據的最小值，x
max
代表特征數據的最大值，x代表源數據流程的特征數據。
[0053]
需要進一步說明的是，分析網絡模型收集過往檢測結果，并將收集到的各組檢測結果分為驗證集、測試集以及訓練集，并重復多次使用驗證集中的各組數據對分析網絡模型精度進行驗證，并統計測試集中各數據均方根誤差，同時測試集中每組數據都進行一次預測，之后將預測結果最好的數據作為最優參數輸出，依據最后參數對訓練集進行標準化處理生成訓練樣本，之后將訓練樣本輸送到分析網絡模型中，并采用長期迭代法對該分析網絡模型進行實時優化。
[0054]
獲取并指定傳遞字段參數。
[0055]
具體的，參數分析模塊依據工作人員選擇的源數據流程，對該數據流程外的其余數據流程進行抓取，同時對各組流程信息中的傳輸數據中各組傳遞字段進行提取，對傳遞字段參數中指定一組或多組字段，如果傳遞字段的名稱存在重復名稱，則將重復的傳遞字段的名稱追加后綴以保證名稱唯一，并將指定的一組或多組字段作為目標要素。
[0056]
依據屬性表對各參數進行匹配分析。
[0057]
具體的，依據系統默認或人工設定的規則確認數據流程拓撲結構或空間模式，當屬性表中的一個或多個源要素與一個或多個目標要素被識別為具有匹配的拓撲結構或空間模式時，將相應要素組成一個匹配組，之后檢測并分析各匹配組匹配置信度的值，并按照獲取的匹配置信度將匹配結果分為以下四類：匹配置信度為100，得到指定匹配字段確認的匹配；匹配置信度為75，未得到指定匹配字段確認的匹配；匹配置信度為50，指定匹配字段中存在字段值差異；匹配置信度為0，不匹配的源要素或目標要素，再對匹配置信度為75的各組目標要素進行重新匹配，之后收集匹配置信度為0以及50的各組目標要素，同時依據各組目標要素抓取相關數據流程，并將其標記為異常數據流程。
[0058]
將異常的流程信息反饋給工作人員。
[0059]
實施例2
[0060]
參照圖2，本實施例公開了一種基于屬性傳遞的流程一致性檢驗系統，包括管理平臺、流程抓取模塊、要素解析模塊、解析優化模塊、參數分析模塊、異常分析模塊、云端服務器以及數據清理模塊。
[0061]
其中，管理平臺用于接收各子模塊反饋的信息并以圖像化的形式反饋給工作人員查看，同時依據工作人員操作信息下發控制指令。
[0062]
流程抓取模塊用于對工作人員選擇的數據流程進行抓取，并將其標記為源數據流程。
[0063]
要素解析模塊用于構建分析網絡模型以對源數據流程中的源要素進行解析提取。
[0064]
解析優化模塊用于對分析網絡模型進行訓練優化。
[0065]
參數分析模塊用于對源流程后續流程中目標要素進行分析收集。
[0066]
異常分析模塊用于將源要素與目標要素進行匹配分析，并依據分析結果抓取異常流程。
[0067]
云端服務器用于存儲各子模塊運行數據。
[0068]
數據清理模塊用于定期對云端服務器存儲數據進行數據回收。
[0069]
具體的，當云端服務器中的存儲數據取值達到規定閾值后，數據清理模塊依據系統默認或人工設定的循環時間值定期對各存儲數據進行收集計算以及更新，之后將每次更新后的收集數值反饋至管理平臺供工作人員進行查看，之后數據清理模塊對云端服務器內各組存儲數據由老到新進行抽取，再對各組存儲數據依據計算出的收集數值進行回收，并將收集信息反饋至管理平臺供工作人員進行查看。
