项目名称: 工作流实例方面的挖掘与优化方法研究

项目编号: No.61272063

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 自动化技术、计算机技术

项目作者: 刘建勋

作者单位: 湖南科技大学

项目金额: 78万元

中文摘要: 针对工作流多实例之间存在的批处理关联约束关系可加以利用以提高业务系统的执行效率,我们已对工作流实例方面的模型和执行系统深入展开了研究工作。尽管这种工作流实例方面模型在实际应用中广泛存在,但有效发现并进行建模仍较困难。从工作流执行日志中挖掘出工作流模型是工作流管理研究领域中近期广受关注的方向。受此启发,本项目将研究利用数据挖掘与工作流挖掘的方法,从大量的业务过程执行历史中挖掘和发现工作流多实例之间存在的数据依赖关系,提取出工作流实例方面模型,挖掘实例方面处理规则,并研究基于工作流仿真的实例方面执行的决策规则及可自适应的实例方面执行性能优化方法。项目研究成果将为工作流实例方面建模以及实例方面执行优化提供理论与技术支持并服务于节约型社会建设的需求。

中文关键词: 工作流;实例方面处理;挖掘;优化;

英文摘要: When observing that the relationship and constraints between multiple workflow instances of the same workflow type can be utilized to enhance WfMS efficiency, we have investigated workflow instance aspect model and its' supporting system. Although workflow instance aspect model exists in reality widely and merits a lot in practice, it is still difficult to discover and model them as what is happened in traditional workflow. Mining workflow from business or WfMS logs becomes now an interesting and attractive research topic in workflow academic research domain. Enlightening by workflow mining method, this project will study mining of workflow instance aspect from business or WfMS logs as well as its optimization method. We will first utilize workflow mining and data mining method and technology to discover and mine the dependencies between multiple workflow instances of the same workflow type from business or WfMS logs. Then, from the dependencies discovered, we can discover the activities with instance aspect characteristics and build the workflow instance aspect model. We will also mine the decision rules and parameters which represent the execution knowledge of workflow instance aspect. Finally,the optimization, which is based on workflow simulation, of these decision rules and parameters of instance aspect mod

英文关键词: workflow;instance aspect handling;mining;optimization;

成为VIP会员查看完整内容
1

相关内容

WSDM 2022 | 基于图神经网络的协同过滤设计空间研究
专知会员服务
36+阅读 · 2022年1月3日
专知会员服务
56+阅读 · 2021年8月12日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
27+阅读 · 2021年6月18日
基于事件社会网络推荐系统综述
专知会员服务
69+阅读 · 2021年1月13日
专知会员服务
30+阅读 · 2020年12月21日
基于知识图谱的推荐系统研究综述
专知会员服务
328+阅读 · 2020年8月10日
专知会员服务
78+阅读 · 2020年8月4日
基于多目标优化的推荐系统综述
机器学习与推荐算法
6+阅读 · 2021年12月27日
知识驱动的推荐系统:现状与展望
专知
1+阅读 · 2021年11月22日
CIKM'21 | 自监督图神经网络在社会化推荐中的应用
图与推荐
3+阅读 · 2021年11月16日
CIKM 2021 | 自监督学习在社会化推荐系统中的应用
PaperWeekly
0+阅读 · 2021年11月14日
基于知识图谱的推荐系统总结
机器学习与推荐算法
4+阅读 · 2021年11月11日
最新基于强化学习的推荐系统综述
机器学习与推荐算法
6+阅读 · 2021年9月10日
【WWW2021】 大规模组合K推荐
专知
0+阅读 · 2021年5月3日
推荐系统
炼数成金订阅号
28+阅读 · 2019年1月17日
国家自然科学基金
7+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
19+阅读 · 2020年7月21日
Do RNN and LSTM have Long Memory?
Arxiv
19+阅读 · 2020年6月10日
Knowledge Representation Learning: A Quantitative Review
小贴士
相关VIP内容
WSDM 2022 | 基于图神经网络的协同过滤设计空间研究
专知会员服务
36+阅读 · 2022年1月3日
专知会员服务
56+阅读 · 2021年8月12日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
27+阅读 · 2021年6月18日
基于事件社会网络推荐系统综述
专知会员服务
69+阅读 · 2021年1月13日
专知会员服务
30+阅读 · 2020年12月21日
基于知识图谱的推荐系统研究综述
专知会员服务
328+阅读 · 2020年8月10日
专知会员服务
78+阅读 · 2020年8月4日
相关资讯
基于多目标优化的推荐系统综述
机器学习与推荐算法
6+阅读 · 2021年12月27日
知识驱动的推荐系统:现状与展望
专知
1+阅读 · 2021年11月22日
CIKM'21 | 自监督图神经网络在社会化推荐中的应用
图与推荐
3+阅读 · 2021年11月16日
CIKM 2021 | 自监督学习在社会化推荐系统中的应用
PaperWeekly
0+阅读 · 2021年11月14日
基于知识图谱的推荐系统总结
机器学习与推荐算法
4+阅读 · 2021年11月11日
最新基于强化学习的推荐系统综述
机器学习与推荐算法
6+阅读 · 2021年9月10日
【WWW2021】 大规模组合K推荐
专知
0+阅读 · 2021年5月3日
推荐系统
炼数成金订阅号
28+阅读 · 2019年1月17日
相关基金
国家自然科学基金
7+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员