积分商城

最新搜索： HDMI2.1 环形队列 hs6620 p900 AD23 ZXDN10
您现在的位置是：首页 > 技术资料 > 基于偏差约减的大数据交易模型分析与修复方法
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

基于偏差约减的大数据交易模型分析与修复方法

更新时间：2019-12-24 08:53:59 大小：1M 上传用户：守着阳光1985查看TA发布的资源 标签：偏差约减大数据 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

大数据交易是促进数据流通和提升数据价值的关键环节.实现大数据交易的过程优化对于构建高效和鲁棒的交易平台至关重要.大数据交易是典型的复杂过程模型,传统的模型修复方法无法有效发现和约减流程执行与流程规则之间存在的偏差.本文提出了一种基于偏差约减的大数据交易模型修复方法,通过过程模型的可达标识图发现事件日志与模型之间的偏差关系,对事件日志与模型之间偏差进行约减,实现基于有效偏差的模型修复.该方法应用于天元大数据网大数据平台,通过与基于模型校准和基于迭代的修复方法进行对比实验,对修复结果开展模型拟合度、精确度、简洁度及时间复杂度评估,验证了方法的有效性.


部分文件列表

文件名 大小
基于偏差约减的大数据交易模型分析与修复方法.pdf 1M

【关注视频号领20积分】   【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）
7
Vol． 46 No． 7  
Jul． 2018  
第
期
电
子
学
报
2018  
7
ACTA ELECTRONICA SINICA  
年
月
基于偏差约减的大数据交易模型分析与修复方法  
1
2，3  
1
， ，  
郭 艺 叶 剑 张 鹏  
( 1．  
，
山东科技大学 山东青岛  
266590; 2．  
，
中国科学院计算技术研究所 北京  
100190;  
3．  
，
移动计算与新型终端北京市重点实验室 北京  
100190)  
:
．
大数据交易是促进数据流通和提升数据价值的关键环节 实现大数据交易的过程优化对于构建高效和  
摘
要
． ，  
鲁棒的交易平台至关重要 大数据交易是典型的复杂过程模型 传统的模型修复方法无法有效发现和约减流程执行与  
． ，  
流程规则之间存在的偏差 本文提出了一种基于偏差约减的大数据交易模型修复方法 通过过程模型的可达标识图发  
， ， ．  
现事件日志与模型之间的偏差关系 对事件日志与模型之间偏差进行约减 实现基于有效偏差的模型修复 该方法应  
， ，  
用于天元大数据网大数据平台 通过与基于模型校准和基于迭代的修复方法进行对比实验 对修复结果开展模型拟合  
、 、 ，  
度 精确度 简洁度及时间复杂度评估 验证了方法的有效性  
．
:
;
;
;
关键词  
中图分类号  
URL: http: / /www． ejournal． org． cn  
大数据交易 模型修复 模型评估 偏差约减  
:
TP311  
:
A
: 0372-2112 ( 2018) 07-1754-08  
DOI: 10． 3969 /j． issn． 0372-2112． 2018． 07． 031  
文献标识码  
文章编号  
电子学报  
Analysis and Repair of Big Data Transaction  
Model Based on Deviation Reduction  
1
2，3  
1
GUO Yi ，YE Jian ，ZHANG Peng  
( 1． Shandong University of Science and Technology，Qingdao，Shandong 266590，China;  
2． Institute of Computing Technology，Chinese Academy of Sciences，Beijing 100190，China;  
3． The Beijing Key Laboratory of Mobile Computing and Pervasive Device，Beijing 100190，China)  
Abstract: Big data transaction is a key point of promoting data circulation and data value． It is important for building  
efficient and robust trading platform to optimize process of big data transaction． Big data transaction is a typical complex  
process model，which makes the traditional model repair method not able to effectively discover and reduce the deviation be-  
tween process execution and process rules． This paper proposes an approach of repairing big data transaction model based on  
deviation reduction． With the help of the reachable marking graph，the approach discovers the deviation between the event log  
and the process model found，reduces the deviation between the event log and the model，and gets the model repaired based  
on the effective deviation． At the end of this paper，the proposed approach is used in the Tianyuan big data platform to verify  
the effectiveness． In comparison experiments of those repair methods based on model alignment and the iteration，the effect  
of repairing is evaluated from the aspects of fitness，precision，simplicity and time complexity． The evaluation shows that the  
proposed approach has an advantage over existing methods．  
Key words: big data transaction; model repair; model evaluation; deviation reduction  
，
数据出售 数据加工转售以及数据交易平台服务等多  
1
引言  
［1 ～ 3］  
．
种交易模式  
如何及时发现并解决大数据交易流程  
，
随着海量数据的出现 数据的价值得到越来越多  
中实际执行与业务规则之间的偏差是大数据交易过程  
［4 ～ 7］  
，
行业和领域的认可 大数据交易成为一种新型的数据  
．
面临的巨大挑战 业务流程管理  
通过对业务流程的  
，
流通手段 大数据交易平台的构建过程中产生了自有  
、 、 ，  
整个生命周期进行建模 管理 监控和优化 来实现对各  
: 2017-08-24;  
: 2017-12-24:  
:
责任编辑 蓝红杰  
收稿日期  
修回日期  
:
基金项目 国家重点研发计划  
( No． 2016YFB1001105) ;  
( No． 61401040) ;  
2016  
工信部 年集成制造系统集成项目和移动计算与  
国家自然科学基金  
新型终端北京市重点实验室研究基金  
1755  
7
:
艺 基于偏差约减的大数据交易模型分析与修复方法  
第
期
郭
．
种业务环节的整合的全面管理 作为业务流程管理的  
M') ， p P，  
对 ∈  
［8 ～ 11］  
，
重要环节 过程挖掘  
M( p) － 1，  
p
若 ∈  
·t － t·  
能够发现大数据交易业务流  
，
程存在的问题和瓶颈 以便对交易过程模型不断地优  
M'( p) = M( p) + 1，  
p
若 ∈  
t· － ·t  
{
． ，  
化 模型修复是过程挖掘的重要部分 通过修改模型使  
M( p) ，  
其他  
．
新的模型更好的反映现实业务  
2． 3  
Petri  
有界  
网
［12］  
现有的模型修复方法主要是基于模型校准 来发  
N = ( P，T，F，M)  
Petri ，p P．  
网 ∈  
M
从 可  
设
为一个  
，
现日志与模型之间的偏差以达到模型修复的目的 通  
R( M) ．  
B，  
使
达的一切标识的集合记为  
若存在正整数  
［13，15］  
，
发现偏差 基于模型修复建  
过分解日志的方式  
M
得 ∈  
R( M ) : M( p) B， p ．  
≤ 则称为库所 是有界的 如  
0
［14］  
．
达到修复模型的目的 迭代的过程发现技术解决  
议
p
P
， N  
都 是 有 界 的 则 称 为 网 为有 界  
果对于每个  
Petri ．  
网
∈
，
的问题类似于模型修复问题 通过对比日志与模型中  
［22，23］  
［24］  
，
的关系  
替换操作实现模型修复 基于模型校准的模型修复方  
法和迭代的过程发现技术对模型修复具有一定的指导  
基于关联规则 针对关系的不同点执行  
2． 4  
可达标识图  
N = ( P，T，F，M )  
．
Petri ． N  
网 的可达  
设
为一个有界  
0
RG( N) = ( R( M ) ，e，p) ，  
其中  
0
标识图定义为三元组  
， ，  
和借鉴意义 但是大数据交易模型修复过程中 在日志  
e = { ( M ，M ) | M ，M R( M ) ， t  
∈  ∈  
k
T: M ［t ＞ M }  
i
i
j
i
j
0
k
j
，
与模型拟合的情况下 当交易模型中多个并行分支之  
p: P T，p( M ，M ) = t M ［t ＞ M  
→
i
j
k
i
k
j
，
间存在偏差时 基于模型校准的模型修复方法无法准  
2． 5  
事件日志  
事件日志由案例组成 案例由事件组成 案例中的  
，
确的发现并解决偏差 基于迭代的过程发现技术执行  
，
．
过程复杂并且无法保证修复之后日志与模型之间的一  
， ( ) ．  
事件用轨迹的形式来表示 即 唯一的 事件的序列 设  
．
致性  
A ，  
集合 代表事件日志中所有标签的集合 轨迹中的每  
*
，
针对上述问题 本文以大数据交易流程为切入点  
，
A
，
代 表 一 个 事 件 如 事 件 日 志  
L =  
一个 标 签 ν ∈  
3
10  
在基于模型校准的模型修复方法和迭代过程发现技术  
［＜ a，b，d ＞ ，＜ a，c，d ＞ ］，  
数字代表日志中对应案例  
， ．  
的基础上 提出了基于偏差约减的模型修复方法 该方  
， ， N  
的个数 λ 代表标签与变迁之间的映射 如果网 中的  
，
法借助可达标识图的概念 从控制流的角度发现并分  
A ，  
变迁在 中没有对应的标签 则记为 λ  
( t) = ， t  
τ 存在 ∈  
．
析流程执行过程中出现的偏差 本文采用一致性分析  
T，: T  
λ
A
{ } ，  
∪ τ 如果 λ  
( t)  
， ( t) A．  
≠τ 则 λ ∈  
→
［19 ～ 21］  
， 、  
从拟合度 精确度和简洁度三个方面对方法  
标准  
3
基于可达标识图的偏差发现与分析  
．
的修复效果进行验证 通过将该方法用于天元数据网  
，
的大数据交易平台的流程形式化分析 充分验证了方  
实际的业务流程往往随着时间的变化不断地发生  
， ，  
变化 为了适应不断变化的情况 通过模型修复算法修  
．
法的有效性  
．
改模型使其更好的反映现实业务 在大数据交易流程  
2
相关概念  
， ，  
中 由于多个并行分支的存在 当日志与模型存在偏差  
2． 1  
、
多重集 序列  
， ．  
时 已有的模型修复方法无法发现偏差 发现日志与模  
A
，
是一个集合 存在映射  
B，B: A B( A) ，  
其中  
→
B
，
型之间的偏差是模型修复的前提 本节基于可达标识  
( A)  
A ．  
代表集合 上所有多重集的集合 例如  
A = { a，b，  
．
图发现日志与模型之间的偏差  
发现偏差过程以大数据交易流程中数据加工流程  
2
c} ，  
多重集  
B
B( A) ，B = ［］，B =［a］，B =［a ，c，b，  
2
∈
i
1
3
2
*
11  
b ］．  
=〈a ，a ，…，a 〉 A ，a A，n  
，|  
|
，
为例 采用日志  
L = { ＜ a，b，d，c，e，f ＞ ，＜ a，b，c，d，e，f  
序列 σ  
表示序列 σ 的长度  
2． 2 Petri  
∈
∈
∈
σ
1
2
n
i
0
24  
11  
2
，| | = n．  
σ
＞ ，＜ a，c，b，d，e，f ＞ ，＜ a，b，c，e，d，f ＞ }  
其中事件含  
: a ，b ，c ，d  
义如下 进入数据中心 数据选择 工具选择 数  
标识  
网
，e ，f ．  
据审批 工具审批 数据加工 根据文献  
［16］  
中 α 算  
N = ( P，T，F，M)  
Petri ，P  
网
四元组  
称为一个标识  
，F N ．  
是网 的流关系 映射  
L
法在日志 的基础上执行模型发现算法最终得到数据  
，T  
称为库所集  
称为变迁集  
1
N ．  
所示 目前应用最为广泛的偏差  
1
M: P { 0，1，2，…}  
→
N
，
加工流程如图  
网
称为网 的一个标识 一个网系统  
M ． Petri  
网具有下面变迁  
，
发现方法是通过模型校准的方式将日志中所有的轨迹  
有一个初始标识 记为  
标识  
0
，
在模型中重演 在重演的过程中发现日志与模型中的  
:
发生规则  
( 1)  
，
偏差 对于不同类型的偏差采用不同的方法执行模型  
t T， p  
变迁 ∈ 如果 ∈  
P: p ·t M( p)  
∈
→
1
≥ 则  
．
修复  
t M ，  
说变迁 在标识 有发生权 记为  
M［t ＞ ．  
L
基于模型校准的方式将事件日志 在网  
N
中重演  
1
( 2)  
M［t ＞ ， M ， t ，  
则在标识 下 变迁 可以发生 从  
若
1 4  
得到如表 所示 个模型校准的结果  
．
M t  
标识 发生变迁 得到一个新的标识  
M'(  
M［t ＞  
记为  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号