[發明專利]基于復雜性度量的BPEL過程數據流錯誤預測方法

在審

• 申請號: 201711452935.3
• 申請日: 2017-12-28
• 公開（公告）號: CN108182147A
• 公開（公告）日: 2018-06-19
• 發明（設計）人: 宋巍;張成震;常震
• 申請（專利權）人: 南京理工大學
• 主分類號: G06F11/36
• 分類號: G06F11/36;G06F8/30
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 陳鵬

1.一種基于復雜性度量的BPEL過程數據流錯誤預測方法，用于分類預測BPEL過程是否存在數據流錯誤，其特征在于，以解析BPEL過程數據集得到的復雜性度量指標和數據流錯誤的數據為輸入，以分類預測準確度和最終選擇的復雜性度量指標為輸出結果，特征為復雜性度量指標，分類變量為是否具有數據流錯誤，該預測方法具體步驟為：

步驟1，解析數據集中的BPEL過程，計算每個適用于BPEL過程的復雜性度量指標的值并檢測該過程中所包含的數據流錯誤；

步驟2，將復雜性度量指標和是否具有數據流錯誤兩者進行分析，篩選出候選特征；

步驟3，將候選特征進行枚舉組合，并以此為輸入特征，而分類變量為是否具有數據流錯誤，運用WEKA數據挖掘軟件中分類算法對數據流錯誤進行分類預測，根據所得的分類預測準確度結果，確定最終選擇的特征。

2.根據權利要求1所述的基于復雜性度量的BPEL過程數據流錯誤預測方法，其特征在于，步驟1具體包括以下步驟：

步驟1.1，由于BPEL基于XML編寫的語言，具有塊結構特性，因此將統計到的復雜性度量指標中的不適用的度量指標去掉；

步驟1.2，計算剩下的復雜性度量指標值和運用現有的數據流錯誤檢測方法檢測得到數據流錯誤。

3.根據權利要求1所述的基于復雜性度量的BPEL過程數據流錯誤預測方法，其特征在于，步驟2具體包括以下步驟：

步驟2.1，將所有的復雜性度量指標和數據流錯誤進行相關性分析，相關性分析采用Spearman相關性計算方法，使用統計分析工具SPSS進行相關分析計算；

步驟2.2，從所有復雜性度量指標中除去與數據流錯誤相關性強度為中等以下的復雜性度量指標；

步驟2.3，將剩下的復雜性度量指標根據度量指標的類別和類型進行分組；即先按照控制流和數據流分大類，再按照復雜性度量指標的類型分組；

步驟2.4，基于每組中復雜性指標與數據流錯誤最大相關性的原則，從每組中挑選相關性最大的一個指標加入到候選度量指標集合中，最終得到候選度量指標的集合。

4.根據權利要求3所述的基于復雜性度量的BPEL過程數據流錯誤預測方法，其特征在于，步驟2.2中，相關性強度中等以下的復雜性度量指標是指相關性強度0.5以下的復雜性度量指標。