买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江工业大学

摘要：本发明公开了一种基于图同构和图卷积神经网络的业务流程差异度量方法；包括以下步骤：首先，进行生产业务流程数据的预处理，提取节点和边的特征；然后，使用图同构网络来识别两个流程图中的节点同构性，自动学习每个节点的高维特征向量，在此基础上通过图同构网络的对齐功能，找出两个生产业务流程中可以匹配的节点集合和边集合，以及各自独有的差异节点集合和差异边集合；接着，构建图卷积神经网络，捕捉节点间的依赖关系和节点自身的特征，通过图卷积神经网络，为每个边生成特征向量；最后，度量两个生产业务流程间三方面的差异：节点级差异、边级差异以及综合节点和边的差异；本发明提高后续生产业务流程差异度量的准确率。

主权项：1.一种基于图同构和图卷积神经网络的业务流程差异度量方法，包括以下步骤：1输入两个生产业务流程P1＝V1,E1和P2＝V2,E2，其中V和E分别代表节点集合和边集合，并对每个生产业务流程进行预处理，得到每个生产业务流程的节点初始特征向量Ninitial、边初始特征向量Einitial和邻接矩阵A；2引入图同构网络GIN对齐两个生产业务流程P1和P2，得到每个节点的特征向量并找出生产业务流程P1和P2的匹配节点集合Mnode、匹配边集合Medge、差异节点集合Diffnode和差异边集合Diffedge；3构建图卷积神经网络GCN，通过捕捉每个生产业务流程的节点之间的依赖关系以及节点自身的特征，从而得到边的特征向量；4节点级差异度量，对于生产业务流程P1和P2间的第i对匹配节点V1,V2，其中V1和V2分别是生产业务流程P1和P2的节点，它们的特征向量分别为通过GIN模型训练得到的NGIN1和NGIN2，则生产业务流程P1和P2的节点级差异程度dnode计算如下： 其中，Mnode为匹配节点集合，N为Mnode中节点对的数量，Diffnode为差异节点集合，dnodeMnodei计算如下：dnodeMnodei＝||NGIN1-NGIN2||其中，NGIN1和NGIN2为生产业务流程P1和P2间的第i对匹配节点V1和V2通过GIN训练得到的特征向量；5边级差异度量，对于生产业务流程P1和P2间的第i对匹配边E1,E2，其中E1和E2分别是生产业务流程P1和P2的边，E1和E2的特征向量为通过图卷积神经网络训练得到的Z1和Z2，则边生产业务流程P1和P2的边级差异程度dedge计算如下： 其中，Medge为匹配边集合，N为Medge中边对的数量，Diffedge为差异边集合，dedgeMedgei计算如下：dedgeMedgei＝||Z1-Z2||其中，Z1和Z2为生产业务流程P1和P2间的第i对匹配边E1和E2通过图卷积神经网络训练得到的特征向量；6结合节点级和边级差异，计算生产业务流程P1和P2间的综合差异dtotal，计算公式如下：dtotalP1,P2＝α·dnode+β·dedge其中，α和β用于平衡节点级差异dnode和边级差异dedge的权重，由用户自行定义。

全文数据：

权利要求：

百度查询： 浙江工业大学 基于图同构和图卷积神经网络的业务流程差异度量方法