基于数据影响的多对象交互流程偏差检测方法OA北大核心CSTPCD
现有的大多数偏差检测方法能够识别来自流程活动及部分数据属性的偏差,但是无法处理流程执行过程中数据变化对流程的影响问题,尤其是在涉及多对象交互的情况下。针对这一问题,提出了一种多对象交互情况下基于数据影响的业务流程偏差检测方法。首先,基于控制流与数据信息识别可能的偏差活动;然后,根据数据变化对活动的影响定义影响集;接着,将以对象为中心的概念引入偏差检测过程,形式化以对象为中心的Petri网模型,在此基础上,通过分析对象是否对其修改的数据具有执行权限,分类并定义了四种数据影响类型及其计算标准,据此得到基于数据影响的偏差检测结果;最后,与其他偏差检测方法对比验证,结果表明,应用该方法得到的偏差检测结果值得到提升,并且能够处理多对象交互的流程偏差。该方法能够有效捕获多对象交互流程中数据变化影响的流程活动,提高偏差检测的合理性与准确性。
钱陈婧;方贤文;张希为;
安徽理工大学数学与大数据学院,安徽淮南232001安徽理工大学数学与大数据学院,安徽淮南232001 安徽理工大学安徽省煤矿安全大数据分析与预警技术工程实验室,安徽淮南232001
计算机与自动化
数据影响以对象为中心数据Petri网影响集偏差检测
《计算机应用研究》 2024 (003)
P.880-886 / 7
国家自然科学基金资助项目(61572035,61402011);安徽省重点研究与开发计划资助项目(2022a05020005);安徽省高校领军骨干人才项目(2020-1-12)。
评论