Розробка представлення знань на основі марківських логічних мереж в системі процесного управління
DOI:
https://doi.org/10.20998/2079-0023.2018.22.04Ключові слова:
знання-ємні бізнес-процеси, база знань, системи процесного управління, контекст, артефакт, подія, атрибут, причинно-наслідкові зв’язкиАнотація
Досліджено проблему побудови представлення знань в системі процесного управління на основі аналізу поведінки бізнес-процесів, що представлена у вигляді логів подій. Кожна подія характеризує дію бізнес-процесу. Актуальність проблеми визначається тим, що при управлінні складними знання-ємними бізнес-процесами виконавці можуть змінювати послідовність дій з урахуванням додаткових знань про предметну область. В результаті виникає невідповідність між процесом та його моделлю, що створює труднощі для подальшого управління бізнес-процесом. Для усунення вказаної невідповідності потрібно формалізувати ці додаткові знання та використовувати їх при процесному управлінні, що потребує створення відповідного представлення знань. Запропоновано модель представлення знань враховує статичні й динамічні характеристики бізнес-процесу. Статичні характеристики бізнес-процесу задаються фактами та правилами із аргументами, представленими атрибутами подій логу. Факти і правила формуються на основі відповідних шаблонів. Атрибути задають значення властивостей об’єктів, з якими оперує бізнес-процес. Динамічні особливості бізнес-процесу визначаються через поточний розподіл ймовірностей виконання правил з урахуванням атрибутів поточної події логу бізнес-процесу. Запропонована модель відрізняється тим, що вона враховує обмеження на допустимі послідовності виконання дій бізнес-процесу, а також обмеження на основі апріорних знань про предметну область. Такі обмеження дозволить понизити складність задачі пошуку ймовірностей успішного завершення бізнес-процесу шляхом скорочення множини допустимих трас в тому випадку, якщо виконавці змінили послідовність дій. В практичному аспекті модель забезпечує можливість підтримки прийняття рішень з управління знання-ємними бізнес-процесами на основі прогнозування ймовірностей досягнення кінцевого стану процесу з урахуванням атрибутів подій логу.Посилання
Van Der Aalst W. M. P. Business Process Management: A Comprehensive Survey. ISRN Software Engineering. 2013, pp. 1–37.
Gronau N. Modeling and Analyzing knowledge intensive business processes with KMDL: Comprehensive insights into theory and practice. Gito, 2012. 522 p.
Nakashole N., Weikum G. Real-time Population of Knowledge Bases: Opportunities and Challenges. Proceedings of the Joint Workshop on Automatic Knowledge Base Construction and Webscale Knowledge Extraction (AKBC-WEKEX 2012). Montreal, Canada, 2012, pp 41–45.
Reiss F., Raghavan S., Krishnamurthy R., Zhu H., Vaithyanathan S. An Algebraic Approach to Rule-Based Information Extraction. 24th International Conference on Data Engineering, 2008, pp. 933–942.
Gribko E., Suciu D. SlimShot: In-database Probabilistic Inference for Knowledge Bases. International Conference on Very Large Data Bases. Vol. 9(7). New Delhi, India, 2016, pp. 552–563.
Gal´arraga L., Heitz G., Murphy K., Suchanek F. M. Canonicalizing Open Knowledge Bases. CIKM '14 2014 ACM Conference on Information and Knowledge Management. Shanghai, China, 2014, pp. 1679–1688.
Dylla M., Theobald M., Miliaraki I. Querying and Learning in Probabilistic Databases. Reasoning Web. 2014, pp. 313–368.
Bollacker K., Evans C., Paritosh P., Sturge T., Taylor J. Freebase: A Collaboratively Created Graph Database for Structuring Human Knowledge. ACM SIGMOD International Conference on Management of Data. Vancouver, BC, Canada, 2008, pp. 1247– 1250.
Shin S., Wu F., Wang C., De Sa C. Zhang С, R´e С. Incremental Knowledge Base Construction Using DeepDive. 41 st International Conference on Very Large Data Bases (VLDB). 2015. Vol. 8(11), pp.1310–1321.
Niu F., Zhang C., Re C., Shavlik J. W. DeepDive: Web-scale Knowledge-base Construction using Statistical Learning and Inference. VLDS, 2012, pp. 25–28.
Chala O.V. Pryntsyp ta metod evoliutsiinoi pobudovy bazy znan’ na osnovi analizu logiv IS protsesnogo upravlinnia [Development of knowledge base after results of analysis of the logs of the process management information system]. Naukovo-tekhnichnyi zhurnal «Bionika intelektu» [ Scientific and Technical Journal "Bionics of Intellect"]. Kharkiv, NURE, 2017, no. 1(88), pp. 80-84.
Levykin V.М., Chala O.V. Model bazy znan informatsiinoi systemy protsesnogo upravlinnia [Model of the knowledge base of the process management Information system]. Visnyk NTU "KhPI" [Bulletin of the National Technical University "KhPI"]. Kharkov, NTU "KhPI" Publ., 2017, no.28 (1250), pp. 74-78.
Chala O.V. Evoliutsiinyi pidhid do upravlinnia zhyttievym tsyklom znannia-yemnykh biznes-protsesiv [Evolutionary approach to lifecycle management of knowledge-intensive business processes]. Naukoiemni tekhnolohii [Knowledge-based technologies]. Kiev, NAU, 2017, no. 1(33), pp. 53-59.
##submission.downloads##
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2018 Вісник Національного технічного університету «ХПІ». Серія: Системний аналiз, управління та iнформацiйнi технологiїАвтори, які публікуються у цьому журналі, погоджуються з наступними умовами:
- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).