Internet环境下协同工作与数据挖掘研究

Internet的不断普及导致信息量的飞速膨胀，同时其又是一个结构异常复杂的自治体系。能否克服Internet的不足发挥其长处，从而获得更大的价值，是一个值得研究的课题。本文面向Internet，着眼于Internet环境低可靠、高延迟、极端异构、海量数据的特点，探索综合利用CSCW和数据挖掘技术来解决Internet环境下信息交互和信息获取两大现实问题。本文涉及的研究领域主要包括异步协同工作中的工作流研究、同步协同工作中的实时协同编辑以及数据挖掘中的频繁模式挖掘等。本文的研究和创新工作主要包括以下几点： 1．提出了一个基于知识的多Agent协同工作模型(KMAW)及其扩展 工作流管理系统是实现非实时协同工作的一种重要手段。本文采用基于知识推理和任务分解的模式，利用Agent的推理能力，提出了一种基于知识的多Agent协同工作模型。此模型在描述能力上强于传统的过程式工作流模型，可以实现常见的各种工作流模式，并且能够实现包括正确性验证、异常处理、动态流程等高级工作流特性。此模型具有很好的柔性和很强的描述能力，是一个很好的面向Internet的通用协作集成框架。本文还将数据挖掘技术与KMAW模型结合了起来，构成了基于知识挖掘的扩展KMAW模型(MKMAW)，此模型可以自主挖掘知识，具有动态决策、动态流程优化等能力。 2．基于KMAW模型，设计实现了Athena协同工作平台 此平台基于Web Service和异步消息机制，面向Internet上异构系统间的集成和协同工作。本文中设计了Athena规则语言及支持此语言的协同工作引擎；开发了XML数据映射引擎及可视化映射工具，解决了异构系统间数据交互的问题；内置了UDDI服务，并对其作了扩展，支持UDDI服务与异步事件的绑定；设计了可视化流程建模工具，可自动生成业务流程的Athena规则。Athena协同工作平台降低了在Internet环境下实现异构系统业务集成的成本和风险。本平台在863重大专项课题中获得了初步应用，取得了重要阶段性成果。 3．在实时协同编辑中，提出了操作群的概念和相关算法 实时协同编辑是实时协同工作的一个重要研究领域，Internet环境下的实时协同编辑以操作变换算法为基础。本文首先描述了一类传统操作变换算法无法解决的冲突。为了解决上述问题，本文在操作变换中引入了操作群的概念。本文中定义了两类操作群：T-群和S-群，给出了维护T-群的操作变换算法，给出了其证明及算法实例，同时给出了维护S-群的系统策略。最后，本文简单讨论了操作群与锁机制、复合操作群等相关问题。 4．基于FP-tree提出了两种新的频繁模式挖掘算法 关联规则挖掘和频繁模式挖掘是获取知识的有效途径，面对海量Internet数据，许多算法在可伸缩性和鲁棒性上有所欠缺。研究发现不同数据集数据分布特征对于算法的效率具有较大影响，这启发我们采用一种自适应的方式，在挖掘过程中根据数据分布特征动态地调整挖掘策略，从而加强鲁棒性，获得整体上的最优。本文首先提出了一种直接在FP-tree上挖掘的算法——简单深度优先搜索算法(NDSP)，此算法在稠密数据集上具有相当高的效率；然后把NDSP和FP-growth算法结合起来，构造了自适应的FP挖掘算法(SAFP)。通过实验比对证明，此算法比上述两种算法都要更优，对于不同数据集的鲁棒性明显好于上述两种算法。