[发明专利]一种基于上下文感知的多角度业务流程异常在线检测方法

说明书

本发明公开了一种基于上下文感知的多角度业务流程异常在线检测方法。该方法借助重演技术来捕获当前执行实例的全局行为上下文和局部行为上下文，并结合实例的时间上下文和属性上下文作为检测模型的输入数据，从多个视角出发对当前执行实例可能存在的三类异常情况进行检测，即行为异常、时间异常和属性异常。这种异常检测方法有精度高、可解释性强等特点，能有效检测流程执行过程中的异常信息，及时通报相关人员采取相应的解决方案。区别于以往检测方法仅对流程执行数据进行事后分析的特点，本方法提出的异常检测方法适用于实时在线检测，具有更好的时效性。

技术领域

本发明涉及业务流程管理中的异常检测领域，尤其涉及一种基于上下文感知的多角度业务流程异常在线检测方法。

背景技术

随着业务流程的日益复杂化，传统严格约束的结构化业务流程管理方法逐渐无法应对一些复杂的、任务执行需要依赖人力决策的应用场景，如医院诊断流程、保险理赔流程等，为此部分企业启用了约束较为宽松的柔性业务流程管理技术来应对这类知识密集型的业务。柔性业务流程管理中的限制相对宽松，确保了业务流程管理系统的灵活性，但同时也导致了流程执行风险的增加，给业务流程的目标实现带来更多风险。通过异常检测技术可以有效检测流程执行中的异常，帮助相关人员及早发现潜在的执行风险进而采取相应的措施，对业务流程管理具有重要意义。

近年来，业务流程管理的重心不再局限于对事件日志进行线下分析，而更加关注如何为业务流程的执行提供在线支持。但对正在执行的流程实例进行在线异常检测并非易事，需要从多个流程角度进行考虑，例如控制流角度(当前实例中活动的执行顺序是否正常)、时间角度(活动的执行时间是否异常，流程实例的总执行时间是否超过预期等)等。目前大多数异常检测的方法多从单一视角开展检测，存在异常检测不全面的问题。此外，大部分现有方法结果仅简单报告当前实例的执行是否异常，缺乏足够的解释信息帮助相关人员了解异常发生原因。

发明内容

为了克服上述现有技术的不足，提出了一种基于上下文感知的多角度业务流程异常在线检测方法。本发明使用神经网络模型来解决业务流程中的异常检测问题，可有效解决上述问题。本发明具体采用的技术方案如下：

一种基于上下文感知的多角度业务流程异常在线检测方法，包括以下步骤：

S1.数据预处理：输入原始日志，将其划分为训练数据集和测试数据集，对训练数据集使用过程发现技术从中挖掘出Petri网流程模型PN；

S2.上下文提取：首先利用重演技术基于步骤S1获得的Petri网流程模型PN 对当前轨迹进行重演，得到局部行为上下文e.lbc和全局上下文e.gbc；然后对事件的属性进行处理，得到当前执行活动的时间上下文e.tcv和属性上下文e.tcv，两者共同构成活动的数据上下文，具体包含以下子步骤：

S21.从PN中获取开始活动集合结束活动集合以及PN中的全部活动集合并初始化全局行为上下文向量v_gbc为长度的0向量，其中为PN中库所节点的数量，第位用于接收未知活动执行产生的托肯；

S22.对日志中的事件根据其发生时间先后进行排序，得到按发生早晚排好序的事件列表E_list；

S23.依次遍历E_list中的每个事件并根据事件的实例ID属性找到其所属的轨迹T；

S24.对E_list中的每个事件判断其执行活动；

S25.若当前事件的执行活动属于开始活动集为开始活动，则执行以下操作：

(1)初始化当前活动的局部行为上下文向量v_lbc为长度的0向量；

(2)获得当前活动对应变迁节点的输入集合S_pre和输出集合S_post；