本發(fā)明涉及協(xié)同任務(wù)領(lǐng)域，特別涉及一種資源服務(wù)網(wǎng)絡(luò)中基于聚類的關(guān)鍵特征序列選取方法。

背景技術(shù)：

近年來，在以移動(dòng)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)等為代表的新興信息技術(shù)的支持下，多組織協(xié)同完成一項(xiàng)任務(wù)的工作方式-協(xié)同任務(wù)模式已擴(kuò)展至更多領(lǐng)域。制造業(yè)、公共管理、電子商務(wù)、醫(yī)療應(yīng)用、遠(yuǎn)程教育、軍事應(yīng)用以及合作科學(xué)研究等領(lǐng)域也逐漸表現(xiàn)出更多的協(xié)同性，協(xié)同的深度和廣度正在迅速擴(kuò)大。而實(shí)現(xiàn)“協(xié)同”的一個(gè)重要手段就是“面向服務(wù)”的技術(shù)?！懊嫦蚍?wù)”已成為軟件工程領(lǐng)域的主流思想，尤其伴隨著“服務(wù)計(jì)算”發(fā)展成為一門獨(dú)立的學(xué)科，深刻地改變了人們用信息技術(shù)解決不同領(lǐng)域問題的視角與思維，影響著軟件系統(tǒng)分析、設(shè)計(jì)、開發(fā)、運(yùn)行、管理等各生命周期階段的方法論。在當(dāng)前日趨激烈的競(jìng)爭(zhēng)環(huán)境下，提高各組織之間服務(wù)交互的質(zhì)量和效率成了增強(qiáng)企業(yè)核心競(jìng)爭(zhēng)力的重要途徑之一。

從系統(tǒng)構(gòu)成角度，互聯(lián)網(wǎng)是眾多服務(wù)器之間的互聯(lián)，如圖1所示。實(shí)際上，這種互聯(lián)是各主機(jī)上部署并對(duì)外發(fā)布的各類軟件服務(wù)之間的邏輯連通，在各類資源的支撐下，通過交互、協(xié)同完成共同的任務(wù)，即協(xié)同任務(wù)，如圖2所示。這種以服務(wù)為節(jié)點(diǎn)、服務(wù)之間的交互所形成的網(wǎng)絡(luò)就是服務(wù)網(wǎng)絡(luò)，現(xiàn)實(shí)世界的各類資源在服務(wù)網(wǎng)絡(luò)中實(shí)現(xiàn)物-物相連，成為資源服務(wù)，如圖3所示。在資源層面，資源服務(wù)一直是影響任務(wù)執(zhí)行效果的主要因素。過去的幾十年期間，資源調(diào)度和優(yōu)化管理也一直是熱門研究主題，但在分布的服務(wù)網(wǎng)絡(luò)環(huán)境下，由于各組織的資源服務(wù)具有自治性，資源服務(wù)之間的協(xié)同更加困難，可以說，資源服務(wù)之間協(xié)同的質(zhì)量和協(xié)同效率決定了服務(wù)網(wǎng)絡(luò)的效率和成敗。

在協(xié)同任務(wù)環(huán)境下，服務(wù)之間的交互往往遵循著一個(gè)或者多個(gè)服務(wù)業(yè)務(wù)過程進(jìn)行，相應(yīng)地，資源之間的協(xié)同也就存在著時(shí)序關(guān)系。如圖4所示，分散的資源服務(wù)通過web服務(wù)技術(shù)接入到系統(tǒng)平臺(tái)，為平臺(tái)上不同行業(yè)的業(yè)務(wù)過程提供服務(wù)。通過業(yè)務(wù)過程的集成、管理和調(diào)度，業(yè)務(wù)活動(dòng)服務(wù)相互交互，形成服務(wù)網(wǎng)絡(luò)，并在各類資源服務(wù)的支持下，由不同組織參與協(xié)同完成一個(gè)任務(wù)。因此，為提高服務(wù)交互的整體效率，發(fā)現(xiàn)服務(wù)交互的瓶頸，優(yōu)化服務(wù)業(yè)務(wù)過程，必須考慮資源服務(wù)之間的時(shí)序關(guān)系和上下游資源服務(wù)的影響關(guān)系。

不同的資源服務(wù)為不同的業(yè)務(wù)活動(dòng)服務(wù)，由于業(yè)務(wù)活動(dòng)服務(wù)之間的時(shí)序關(guān)系，資源服務(wù)亦形成時(shí)序關(guān)系，伴隨著業(yè)務(wù)活動(dòng)服務(wù)的交互，這些具有時(shí)序關(guān)系的資源服務(wù)可以形成序列，我們稱之為資源服務(wù)序列。通過對(duì)資源服務(wù)序列的集成和統(tǒng)一，組成資源服務(wù)網(wǎng)絡(luò)。探究資源服務(wù)網(wǎng)絡(luò)中上下游資源服務(wù)之間的影響關(guān)系，需要從資源服務(wù)特征之間的影響關(guān)系入手。資源服務(wù)特征是指能夠反應(yīng)資源服務(wù)的能力、狀態(tài)的諸多因素。以制造業(yè)為例，每種制造資源服務(wù)都具有一些特征，如產(chǎn)品加工設(shè)備的響應(yīng)時(shí)間、成本、滿意度等，原材料和產(chǎn)品的合格率、成本等。目前，基于資源的服務(wù)質(zhì)量(Quality of Service,QoS)的方法較多，這些方法都是通過QoS屬性(特征)提出最優(yōu)化的資源服務(wù)組合、選取方案。但是，進(jìn)一步地分析特征之間的影響關(guān)系，在資源服務(wù)網(wǎng)絡(luò)中發(fā)現(xiàn)有重要影響關(guān)系的特征序列，是發(fā)現(xiàn)上游資源對(duì)下游資源影響的重要途徑。我們把相鄰特征間有重要影響關(guān)系的特征序列稱為關(guān)鍵特征序列。從資源特征間的影響關(guān)系挖掘關(guān)鍵資源之間的影響關(guān)系更加客觀準(zhǔn)確。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提出一種資源服務(wù)網(wǎng)絡(luò)中基于聚類的關(guān)鍵特征序列選取方法，通過聚類方法計(jì)算特征之間的影響關(guān)系，進(jìn)而選取出關(guān)鍵特征序列，幫助企業(yè)發(fā)現(xiàn)服務(wù)交互的瓶頸，提高各組織之間服務(wù)交互的質(zhì)量和效率。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：

一種資源服務(wù)網(wǎng)絡(luò)中基于聚類的關(guān)鍵特征序列選取方法，包括：

步驟1，根據(jù)服務(wù)網(wǎng)絡(luò)描述的業(yè)務(wù)活動(dòng)服務(wù)的交互順序，以及業(yè)務(wù)活動(dòng)服務(wù)所需的資源服務(wù)，構(gòu)建資源服務(wù)網(wǎng)絡(luò)；

步驟2，從資源服務(wù)網(wǎng)絡(luò)中獲取資源服務(wù)序列，得到資源服務(wù)序列集RSSs＝{RSS₁,RSS₂,…,RSS_Q}；其中，Q表示資源服務(wù)序列集RSSs中資源服務(wù)序列的個(gè)數(shù)；

步驟3，確定資源服務(wù)特征，并將非數(shù)值型特征值轉(zhuǎn)化成數(shù)值型特征；

步驟4，對(duì)資源服務(wù)特征進(jìn)行歸一化處理，使資源服務(wù)的所有特征的取值范圍均在[0,1]之間；

步驟5，從資源服務(wù)序列集RSSs中取出一個(gè)資源服務(wù)序列RSS，并將RSS從RSSs中刪除；其中RSS屬于RSS₁,RSS₂,…,RSS_Q中的任意一個(gè)；

步驟6，為資源服務(wù)序列RSS選取關(guān)鍵特征序列；

步驟7，重復(fù)步驟5至步驟6，直到資源服務(wù)序列集RSSs為空，整個(gè)資源服務(wù)序列集RSSs的關(guān)鍵特征序列選取過程結(jié)束。

所述為資源服務(wù)序列RSS選取關(guān)鍵特征序列包括：

步驟6.1，枚舉資源服務(wù)序列RSS前兩個(gè)資源服務(wù)的所有資源服務(wù)特征，組成特征序列集，方式如下：

分別枚舉出資源服務(wù)序列RSS前兩個(gè)資源服務(wù)r₁和r₂的所有資源服務(wù)特征，其中，r₁的所有資源服務(wù)特征為F₁＝{f_1,1,f_1,2,…,f_1,m}，r₂的所有資源服務(wù)特征為F₂＝{f_2,1,f_2,2,…,f_2,l}；并構(gòu)成F₁元素在前，F(xiàn)₂元素在后的，長(zhǎng)度為2的特征序列集FSs＝{<f_1,1,f_2,1>,<f_1,2,f_2,1>,…,<f_1,1,f_2,l>,…,<f_1,m,f_2,l>}；其中，m表示資源服務(wù)r₁中的資源服務(wù)特征數(shù)，l表示資源服務(wù)r₂中的資源服務(wù)特征數(shù)；

步驟6.2，將所述前兩個(gè)資源服務(wù)r₁和r₂從資源服務(wù)序列RSS中刪除；

步驟6.3，從特征序列集FSs中取出一個(gè)特征序列FS＝<f_1,i,f_2,j>；其中1≤i≤m，1≤j≤l；

步驟6.4，利用聚類計(jì)算特征序列FS中相鄰特征間的影響度；

步驟6.5，如果特征序列FS中相鄰特征之間影響度不低于預(yù)設(shè)的最低影響度min_Inf，則將特征序列FS放入關(guān)鍵特征序列集合KFSs中；

步驟6.6，從特征序列FSs中刪除FS；

步驟6.7，重復(fù)步驟6.3到6.6，直到特征序列FSs為空，返回進(jìn)入步驟6.8；

步驟6.8，判斷關(guān)鍵特征序列集合KFSs是否為空，如果為空，整個(gè)選取過程結(jié)束，否則進(jìn)入步驟6.9；

步驟6.9，判斷資源服務(wù)序列RSS是否為空，如果為空，選取過程結(jié)束，否則進(jìn)入步驟6.10；

步驟6.10，枚舉資源服務(wù)序列RSS第一個(gè)資源服務(wù)r_new1的所有特征，得到資源服務(wù)特征集合F_new1＝{f_new1,1,f_new1,2,…,f_new1,p}；其中，p表示資源服務(wù)r_new1中的資源服務(wù)特征數(shù)；

步驟6.11，刪除資源服務(wù)序列RSS的第一個(gè)資源服務(wù)r_new1；

步驟6.12，從關(guān)鍵特征序列集合KFSs中獲取一個(gè)關(guān)鍵特征序列FS_k＝<α₁,α₂,…,α_L>，并將FS_k從KFSs中刪除；其中，α₁,α₂,…,α_L分別表示FS_k的特征，L表示FS_k的長(zhǎng)度；

步驟6.13，計(jì)算α_L對(duì)F_new1中任意特征f_new1,q的影響度influence；其中，1≤q≤p，f_new1,q表示r_new1的第q個(gè)特征；

步驟6.14，判斷influence和預(yù)設(shè)的最低影響度min_Inf的大小；如果influence>＝min_Inf，令FS＝FS_k+f_new1,q，得到FS＝<α₁,α₂,…,α_L,f_new1,q>，并將FS加入到KFS_new中；

步驟6.15，重復(fù)步驟6.12到6.14，直到KFSs為空，即遍歷完KFSs中的所有關(guān)鍵特征序列，然后進(jìn)入步驟6.16；

步驟6.16，令KFSs＝KFS_new，更新關(guān)鍵特征序列集合KFSs為關(guān)鍵特征序列集合KFS_new；

步驟6.17，重復(fù)步驟6.8到6.16，直到資源服務(wù)序列RSS為空，資源服務(wù)序列RSS的關(guān)鍵特征序列選取過程結(jié)束。

本發(fā)明具有如下有益效果：

本發(fā)明方法考慮了資源服務(wù)特征層面的影響關(guān)系，能夠幫助企業(yè)發(fā)現(xiàn)服務(wù)交互過程的瓶頸，為企業(yè)優(yōu)化服務(wù)交互過程以及提高服務(wù)交互效率提供決策支持。

以下結(jié)合附圖及實(shí)施例對(duì)本發(fā)明作進(jìn)一步詳細(xì)說明，但本發(fā)明的一種資源服務(wù)網(wǎng)絡(luò)中基于聚類的關(guān)鍵特征序列選取方法不局限于實(shí)施例。

附圖說明

圖1為Internet中主機(jī)之間的互聯(lián)示意圖；

圖2為Internet上的服務(wù)互聯(lián)示意圖；

圖3為服務(wù)網(wǎng)絡(luò)及資源服務(wù)之間的互聯(lián)示意圖；

圖4為服務(wù)網(wǎng)絡(luò)中的資源服務(wù)序列示意圖；

圖5為本發(fā)明的基于聚類的選取關(guān)鍵特征序列整體流程圖；

圖6為本發(fā)明的KFS_Selection算法流程圖；

圖7為本實(shí)施例的典型電器類產(chǎn)品協(xié)同設(shè)計(jì)與制造過程；

圖8為本實(shí)施例的資源服務(wù)網(wǎng)絡(luò)示意圖。

具體實(shí)施方式

參見圖5所示，本發(fā)明提出一種資源服務(wù)網(wǎng)絡(luò)中基于聚類的關(guān)鍵特征序列選取方法，包括如下步驟：

步驟1，構(gòu)建資源服務(wù)網(wǎng)絡(luò)。

根據(jù)服務(wù)網(wǎng)絡(luò)描述的業(yè)務(wù)活動(dòng)服務(wù)的交互順序，以及業(yè)務(wù)活動(dòng)服務(wù)所需的資源服務(wù)，構(gòu)建資源服務(wù)網(wǎng)絡(luò)。

步驟2，獲取資源服務(wù)序列。

根據(jù)資源服務(wù)網(wǎng)絡(luò)獲取資源服務(wù)序列，得到資源服務(wù)序列集RSSs＝{RSS₁,RSS₂,…,RSS_Q}，其中，Q表示資源服務(wù)序列集RSSs中資源服務(wù)序列的個(gè)數(shù)。具體的，資源服務(wù)序列可直接從資源服務(wù)網(wǎng)絡(luò)中獲取，該步驟不需要算法。

步驟3，確定資源服務(wù)特征。

不同的資源服務(wù)擁有不同種類、不同數(shù)量的特征，而且對(duì)于企業(yè)而言，并非關(guān)心所有的資源服務(wù)特征間的影響關(guān)系具有意義。因此，企業(yè)根據(jù)自身需求，確定關(guān)心的資源服務(wù)特征，并將非數(shù)值型特征值轉(zhuǎn)化成數(shù)值型特征。

步驟4，特征歸一化處理

由于不同資源服務(wù)特征的取值范圍不盡相同，因此，為消除特征值差異對(duì)關(guān)鍵特征序列選取結(jié)果的影響，需要對(duì)特征進(jìn)行歸一化處理。假設(shè)某一資源服務(wù)特征在業(yè)務(wù)數(shù)據(jù)BD中的取值為集合V＝{v₁,v₂,…,v_N}，其中N表示V的大小，則該特征的歸一化處理的方法如公式(1)所示：

其中，v_i∈V為該特征在業(yè)務(wù)數(shù)據(jù)BD中第i次出現(xiàn)的值。V_min表示該特征在BD中出現(xiàn)的最小值，即V中的最小值，V_max表示最大值。在對(duì)所有的資源服務(wù)特征進(jìn)行完歸一化處理之后，特征的取值范圍均在[0,1]之間。

步驟5，從RSSs中取出一個(gè)資源服務(wù)序列RSS，并將RSS從RSSs中刪除。

步驟6，為資源服務(wù)序列RSS選取關(guān)鍵特征序列。

對(duì)于企業(yè)而言，資源服務(wù)特征間的影響度越高，說明資源服務(wù)之間的關(guān)系越密切，對(duì)資源服務(wù)網(wǎng)絡(luò)的交互效率和質(zhì)量影響越大，反之則越低。因此，需要從特征序列中選取出關(guān)鍵特征序列。

參見圖6所示，對(duì)于給定的資源服務(wù)序列RSS＝<r₁,r₂,…,r_n>，最低影響度min_Inf，選取出所有相鄰特征間影響度不低于min_Inf的關(guān)鍵特征序列。min_Inf需要企業(yè)根據(jù)自身需求結(jié)合歷史業(yè)務(wù)數(shù)據(jù)來確定。本發(fā)明將求解該步驟使用算法稱為KFS_Selection，KFS_Selection算法的輸入輸出參數(shù)分別如下：

輸入：RSS，一個(gè)資源服務(wù)序列

min_Inf，最低影響度

輸出：KFSs，RSS的關(guān)鍵特征集

具體算法包括以下步驟：

步驟6.1，枚舉RSS前兩個(gè)資源服務(wù)的所有特征。

分別枚舉出RSS前兩個(gè)資源服務(wù)r₁，r₂的所有特征F₁＝{f_1,1,f_1,2,…,f_1,m}，F(xiàn)₂＝{f_2,1,f_2,2,…,f_2,l}，并構(gòu)成F₁元素在前，F(xiàn)₂元素在后的，長(zhǎng)度為2的特征序列集FSs＝{<f_1,1,f_2,1>,<f_1,2,f₂,₁>,…,<f_1,1,f_2,l>,…,<f_1,m,f_2,l>}，這里的所有特征指的是步驟2中企業(yè)確定的資源服務(wù)特征；其中，m表示資源服務(wù)r₁中的資源服務(wù)特征數(shù)，l表示資源服務(wù)r₂中的資源服務(wù)特征數(shù)。

步驟6.2，從RSS中刪除前兩個(gè)資源服務(wù)。

步驟6.3，從FSs中取出一個(gè)特征序列FS。

從FSs中任意取出一個(gè)特征序列FS＝<f_1,i,f_2,j>；其中1≤i≤m，1≤j≤l；

步驟6.4，計(jì)算FS中相鄰特征間的影響度。

具體的，該步驟利用聚類計(jì)算FS＝<f_1,i,f_2,j>中相鄰特征序列間的影響度，即計(jì)算特征f_1,i對(duì)特征f_2,j的影響度。

在數(shù)學(xué)中，變化率被用來描述因變量隨著自變量的變化而變化的程度，其本質(zhì)上反應(yīng)了自變量對(duì)因變量的影響程度，變化率越大，則影響度越高，反之則越低。在本發(fā)明中，使用變化率的絕對(duì)值衡量特征間的影響度。因此，特征間的影響度定義如下：

特征f_pre對(duì)特征f_next的影響度，表示成f_next隨f_pre的變化率的絕對(duì)值，記為I(f_pre,f_next)。

假設(shè)f_pre和f_next分別是資源服務(wù)r_pre和r_next的一個(gè)特征，r_pre和r_next共同出現(xiàn)(r_pre服務(wù)的業(yè)務(wù)活動(dòng)在r_next服務(wù)的業(yè)務(wù)活動(dòng)之前)的業(yè)務(wù)過程實(shí)例Id為Ids＝{Id₁,Id₂,…,Id_M}，其中M表示Ids的大小，f_pre在Ids中對(duì)應(yīng)的值為X＝{x₁,x₂,…,x_M}，f_next在Ids中對(duì)應(yīng)的值為Y＝{y₁,y₂,…,y_M}，其中x_i∈X表示f_pre在業(yè)務(wù)過程實(shí)例Id_i中的值，y_i同理，則f_next隨f_pre的變化率的絕對(duì)值為集合slopeSet＝{slope₁,slope₂,…,slope_M-1}，其中slope_i的計(jì)算公式如下：

從公式(2)可以看出若將f_pre和f_next的值分別對(duì)應(yīng)為x坐標(biāo)軸和y坐標(biāo)軸，則slope_i的幾何含義即為第i段線段的斜率的絕對(duì)值。若x_i+1＝x_i，則令slope_i＝0。

本發(fā)明將特征間影響度的計(jì)算問題轉(zhuǎn)化稱一個(gè)聚類問題：從一個(gè)確定的變化率(絕對(duì)值)集合中，尋找規(guī)模最大的簇，進(jìn)而計(jì)算特征間的影響度，特征間的影響度為規(guī)模最大的簇的聚類中心值。

本發(fā)明將解決該問題的算法稱為Inf_Canopy_Kmeans算法，即用Inf_Canopy_Kmeans算法求I(f_pre,f_next)。在使用該算法之前，需要根據(jù)式(2)計(jì)算出后繼特征f_next隨前序特征f_pre變化而變化的變化率(絕對(duì)值)的集合slopeSet。算法的輸入、輸出及過程如算法1所示：

利用Inf_Canopy_Kmeans算法可以計(jì)算任意兩個(gè)特征間的影響度，該算法利用變化率之間的差的絕對(duì)值作為距離度量函數(shù)。利用該方法對(duì)變化率聚類后，可以得到最大簇的中心，設(shè)該中心的值value，則在這些業(yè)務(wù)數(shù)據(jù)BD中，特征間的影響度，大部分集中都在value附近，因此，特征間的影響度為value。

步驟6.5，構(gòu)建關(guān)鍵特征序列集KFSs。如果FS中相鄰特征之間影響度不低于min_Inf，則將FS放入關(guān)鍵特征序列集合KFSs中。

步驟6.6，從FSs中刪除FS。

步驟6.7，重復(fù)步驟6.3到6.6，直到FSs為空，返回進(jìn)入步驟6.8。

步驟6.8，判斷集合KFSs是否為空，如果為空，則說明資源服務(wù)序列RSS中沒有滿足條件的關(guān)鍵特征序列，整個(gè)選取過程結(jié)束，否則進(jìn)入步驟6.9。

步驟6.9，判斷RSS是否為空，如果為空，則說明已經(jīng)遍歷完整個(gè)資源服務(wù)序列RSS，選取過程結(jié)束，否則進(jìn)入步驟6.10。

步驟6.10，枚舉RSS第1個(gè)資源服務(wù)r_new1的所有特征，得到特征集合F_new1＝{f_new1,1,f_new1,₂,…,f_new1,p}；其中，p表示r_new1的特征個(gè)數(shù)。

步驟6.11，刪除RSS的第1個(gè)資源服務(wù)r_new1。

步驟6.12，從KFSs中的獲取一個(gè)關(guān)鍵特征序列FS_k＝<α₁,α₂,…,α_L>，并將FS_k從KFSs中刪除。其中，α₁,α₂,…,α_L分別表示FS_k的第1個(gè)特征，第2個(gè)特征，···，第L個(gè)特征，L表示FS_k的長(zhǎng)度。例如，假設(shè)KFSs＝{<f_1,2,f_2,1,f_3,1>,<f_1,1,f_2,2,f_3,2>}，如果FS_k＝<α₁,α₂,…,α_L>＝<f_1,2,f_2,1,f_3,1>，則L＝3，α₁＝f_1,2，α₂＝f_2,1，α₃＝f_3,1；如果FS_k＝<α₁,α₂,…,α_L>＝<f_1,1,f_2,2,f_3,2>，則L＝3，α₁＝f_1,1，α₂＝f_2,2，α₃＝f_3,2。

步驟6.13，利用Inf_Canopy_Kmeans算法計(jì)算α_L對(duì)F_new1中任意特征f_new1,q的影響度influence，q的取值范圍是1≤q≤p，此處的f_new1,q表示的是r_new1的第q個(gè)特征。

步驟6.14，判斷influence和min_Inf的大小。如果influence>＝min_Inf，說明α_L對(duì)f_new1,q的影響度高，則令FS＝FS_k+f_new1,q，即FS＝<α₁,α₂,…,α_L,f_new1,q>并將FS加入到KFS_new中。

步驟6.15、重復(fù)步驟6.12到6.14，直到KFSs為空，即遍歷完KFSs中的所有關(guān)鍵特征序列，然后進(jìn)入步驟6.16。

步驟6.16、令KFSs＝KFS_new。即更新集合KFSs為KFS_new。

步驟6.17、重復(fù)步驟6.8到6.16，直到RSS為空，RSS的關(guān)鍵特征序列選取過程結(jié)束。

步驟7，重復(fù)步驟5到6，直到RSSs為空，整個(gè)資源服務(wù)序列集RSSs的關(guān)鍵特征序列選取過程結(jié)束。

如下描述本發(fā)明的一個(gè)較佳實(shí)施例—典型電器類產(chǎn)品協(xié)同設(shè)計(jì)與制造。參見圖7所示，該實(shí)施例的服務(wù)網(wǎng)絡(luò)示意圖，描述了業(yè)務(wù)活動(dòng)服務(wù)的交互順序，其中為每個(gè)業(yè)務(wù)活動(dòng)服務(wù)配置的資源服務(wù)類別如表1所示，每個(gè)資源服務(wù)類別下的具體資源服務(wù)如表2所示，本實(shí)施例涉及6000條業(yè)務(wù)過程實(shí)例。

表1

表2

具體實(shí)施要點(diǎn)如下：

第一步、構(gòu)建資源服務(wù)網(wǎng)絡(luò)。

根據(jù)服務(wù)網(wǎng)絡(luò)(圖7)和資源服務(wù)類別配置(表1)及資源服務(wù)類別的具體資源服務(wù)(表2)，可直接得到資源服務(wù)網(wǎng)絡(luò)，參見圖8所示。

第二步、獲取資源服務(wù)序列。

根據(jù)圖8所示的資源服務(wù)網(wǎng)絡(luò)，可直接獲取不同長(zhǎng)度的資源服務(wù)序列，例如RSS₁＝<r₁,r₈>，RSS₂＝<r₂₁,r₃₇,r₄₈>，RSS₃＝<r₂₁,r₃₆,r₄₉>，RSS₄＝<r₇,r₃₇,r₄₉,r₄₈>等(由于數(shù)量眾多，此處不一一列舉)，得到資源服務(wù)序列集RSSs＝{RSS₁,RSS₂,RSS₃,RSS₄,…}。

第三步、確定資源服務(wù)特征。

企業(yè)根據(jù)自身需求，確定所關(guān)心的資源服務(wù)特征，并將非數(shù)值型特征值轉(zhuǎn)化成數(shù)值型特征，在本實(shí)施例中，所確定的資源服務(wù)特征如表3所示。

表3

第四步、特征歸一化處理。

根據(jù)式(1)對(duì)表3中的所有特征進(jìn)行歸一化處理，使得所有的特征取值范圍都在[0,1]之間。

第五步、為RSSs中的所有資源服務(wù)序列RSS選取關(guān)鍵特征序列。

以資源服務(wù)序列RSS＝<r₂₁,r₃₇,r₄₈>為例，進(jìn)行說明，其他資源服務(wù)序列的關(guān)鍵特征序列選取過程與之相同，不再贅述。

第六步、準(zhǔn)備KFS_Selection算法。

KFS_Selection算法的輸入?yún)?shù)(實(shí)參)分別如下：

輸入：RSS＝<r₂₁,r₃₇,r₄₈>

min_Inf＝0.7

min_Inf需要企業(yè)根據(jù)自身需求以及歷史業(yè)務(wù)數(shù)據(jù)進(jìn)行確定。

第七步、運(yùn)行KFS_Selection算法。

經(jīng)過運(yùn)算后，RSS＝<r₂₁,r₃₇,r₄₈>的關(guān)鍵特征序列有：<f_6,2,f_10,1,f_13,1>、<f_6,2,f_10,1,f_13,2>、<f₆,₂,f_10,1,f_13,3>，其中相鄰特征間的影響度如表4所示。根據(jù)表4可知，<f_6,2,f_10,1,f_13,1>這一關(guān)鍵特征序列中f_6,2對(duì)f_10,1的影響度為0.73，f_10,1對(duì)f_13,1的影響度為0.93。結(jié)合表1、2、3可知，<f_6,2,f_10,1,f_13,1>的含義是機(jī)械結(jié)構(gòu)設(shè)計(jì)師r₂₁的響應(yīng)周期對(duì)零部件配置方案r₃₇的成本的影響程度為0.73，零部件配置方案r₃₇的成本對(duì)零部件r₄₈的成本的影響程度為0.93。

表4

以上僅為本發(fā)明的較佳實(shí)施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。