[发明专利]服务流程间差异检测与自然语言翻译方法

权利要求书

1.服务流程间差异检测与自然语言翻译方法，该方法包括以下步骤：

1)输入两个服务流程，将它们分别转换成对应的基于任务节点的过程结构树TPST；

2)节点映射，即对两个TPST中的节点进行映射，包括如下步骤：

2.1)任务节点映射：若两个任务节点的标签相同，则它们之间的相似度为1，否则相似度为0；

2.2)路由节点映射，类型一样的路由节点才可映射；

3)P,Q-Gram提取：分别遍历两个TPST，找出所有的P,Q-Gram，P,Q-Gram是扫帚形状，其中P代表的是TPST中P个层次直接相连的路由节点，Q代表的是P中层次最大的路由节点的Q个孩子节点；

4)P,Q-Gram映射：比较两个TPST中的所有P,Q-Gram，给定P,Q-Gram₁和P,Q-Gram₂，若它们的P和Q中的每个节点都一一映射，则将P,Q-Gram₁和P,Q-Gram₂映射起来；

5)共同主结构提取：合并两个TPST中所有的映射P,Q-Gram，将合并后的P,Q-Gram作为两个TPST的共同主结构；

6)流程差异检测和自然语言翻译：设计以下四类差异模式，对两个TPST中除了共同主结构以外的节点生成差异模式，两个TPST间的差异模式可展示在它们的共同主结构之上，并将差异翻译成自然语言：

Ⅰ)子树编辑模式：包括子树删除模式和子树插入模式，子树subTree删除模式的自然语言翻译为：由节点a、b、c…组成的子树subTree只存在TPST₁中，子树subTree插入模式的自然语言翻译为：由节点a、b、c…组成的子树subTree只存在TPST₂中；

Ⅱ)节点编辑操作：包括节点删除模式和节点插入模式，节点node删除模式的自然语言翻译为：节点node只存在TPST₁中，节点node插入模式的自然语言翻译为：节点node只存在TPST₂中；

Ⅲ)控制流结构变化模式：对于两个TPST中的映射路由节点，它们的子节点a₁…a_m和b₁…b_m也一一映射但是拥有不同的执行关系C₁和C₂，该模式的自然语言翻译为：TPST₁中节点a₁…a_m的执行顺序为C₁，而在TPST₂中节点b₁…b_m的执行顺序变为C₂；

Ⅳ)顺序交换模式：对于两个TPST中映射的顺序结构块，其中节点的执行顺序不同，自然语言翻译为：在TPST₁中节点顺序为a→b→c…，而在TPST₂中节点顺序为c→b→a…。

2.如权利要求1所述的服务流程间差异检测与自然语言翻译方法，其特征在于：所述步骤2.2)具体步骤如下：

2.2.1)生成特征向量：一个路由节点g用一个特征向量fv(g)＝[T，C]来表示，其中T是g的类型，包括有序和无序两种，C指g的孩子节点集合；

2.2.2)计算特征向量相似度，包括以下两种情况：

Ⅰ)两个路由节点g₁和g₂的类型为有序，即为Sequence或Loop节点，用公式(1)来计算g₁和g₂的相似度，公式(1)中的LCS代表C₁和C₂的最长共同子序列，fv(g₁)、fv(g₂)分别表示g₁和g₂的特征向量:

Ⅱ)两个路由节点g₁和g₂的类型为无序，即为XOR或AND节点，用公式(2)来计算g₁和g₂的相似度:

2.2.3)选出映射节点：两个TPST中所有可能映射的任务节点对和路由节点对集合为N＝{n₁,…n_i,…,n_m}(1≤i≤m)，计算任一可能映射的节点对n_i＝{node₁，node₂}中node₁和node₂的相似度，采用贪心算法，选出每一轮能最大化增加两个TPST间相似度的节点对n_j＝{node₁，node₂}中将node₁和node₂进行映射，随后在N中删除包含node₁或node₂的节点对，直到两个TPST间的相似度不再增加或N为空就停止，最后得到两个TPST间的映射节点对；其中，两个TPST间的相似度采用公式(3)来计算，C₁和C₂分别代表两个TPST的孩子节点集合：