论文部分内容阅读
现代服务业是指在工业化比较发达的阶段产生的、依托信息技术和现代管理理念发展起来的、信息和知识相对密集的服务业，包括由传统服务业通过技术改造升级和经营模式更新而形成的服务业以及随着信息网络技术的高速发展而产生的新兴服务业。 对于现代服务业来讲，服务模式是支撑商业模式实现的服务提供方式，从控制流、数据流和资源流的视角，描述了服务企业在产业链上提供服务的方式、产业链协同方法、服务价值获取方式，蕴含服务资源分配、活动组织、利益相关者协同和服务产品设计等各类策略。目前服务模式的研究仍停留在定性分析层面，鉴于此，本文围绕服务模式的建模、识别、评估和创新开展一系列的研究工作，取得了以下成果: 针对现代服务缺乏兼顾控制流，数据流和资源流的建模理论问题，提出了一个基于lambda演算的服务模式描述语言SPDL(Service Pattern Description Language)，解决了服务跨界的特性带来的复杂语义难以刻画的挑战。SDPL形式化的定义了服务模式中资源与数据，并把资源和数据的操作与生命周期管理与活动的定义想绑定，从而使得活动的语义支持资源流与数据流。SPDL还集成和支持BPMN中的其他要素包括关口、事件和连接线等。相比于BPMN，WSDL等经典的描述语言和格式，SPDL能覆盖服务中资源和数据的生命周期，从而支持从资源和数据操作的角度刻画服务的行为语义，以支持服务模式的匹配、评估和创新。 针对从服务中识别出其包含的服务模式的问题，提出了一个基于构造类型论的服务模式识别方法SPM(Serivce Pattern Matchup)，解决了服务中活动语义不一致难以计算的挑战。SPM可以从服务模式库中指出目标服务所包含的服务模式。方法采用SPDL作为服务和服务模式的输入格式，将识别问题转化为一个定理证明问题，即“构造即证明”风格，并通过在构造类型论的框架下寻找一个目标服务模式对应的命题的一个证明，当证明找到则说明匹配该服务模式。这种定理证明方法虽然具有非常严谨的准确性，效率却尚不够好，因此提出2种改进方法，分别是SubtypedSPM和ParallelSPM，可以分别降低69.5％和58.4％的计算时间，从而大幅提高效率。除此之外，还开发了一个原型工具SPDLEditor以支持服务模式的识别。 针对管理和评估服务模式的各项资源的产生和消耗的情况，提出了一个基于概率生成模型的服务模式评估方法SPEvaluator，解决了服务动态性带来的挑战。该方法以服务的描述和日志作为输入，抽取出服务的模式。然后，服务模式会根据其内部的各个资源评估器资源的循环情况，并产生一个资源循环的报告和盈利率的报告作为输出。这个框架包括一个概率生成模型来估计各个活动的资源产生/消耗情况。这个模型可以用于估计资源的使用情况，根据日志记录。收集了创业板上公司的服务模式并设计了实验验证了方法的有效性和高效性。 针对如何利用已有的服务模式辅助构建新的服务模式的问题，提出了一个基于卷积神经网络的活动推荐方法，解决了服务模式的复杂性带来的创新挑战。首先提出了一个图分类算法NgramCNN从图结构中抽取出结构的语义，以支持图分类。然后将活动推荐的上游子图转化为多通道的有向图，使其能够通过ngram标准化将其内部的有向边连接信息压缩到其邻接矩阵的对角线附近，再通过独创的对角线卷积核和层叠卷积，以及常用的隐含层与输出层实现图分类，并最终转化为活动推荐的结果。用真实的数据集验证了NgramCNN比目前最好的方法更具有效性与效率，此外在杭州市政府审批的流程数据集上，方法的推荐命中率比GED提高了6.1％，比SED提高了18.5％，并且具有更短的执行时间。