文一憑,侯俊杰,譚 錚,劉建勛,許小龍

(1.湖南科技大學(xué) 知識(shí)處理與網(wǎng)絡(luò)化制造湖南省普通高校重點(diǎn)實(shí)驗(yàn)室,湖南 湘潭 411201；2.南京信息工程大學(xué) 計(jì)算機(jī)與軟件學(xué)院,江蘇 南京 210044)

0 引言

科學(xué)工作流管理系統(tǒng)(Scientific Workflow Management Systems, SWfMS)是對(duì)復(fù)雜科學(xué)計(jì)算或科學(xué)實(shí)驗(yàn)過程進(jìn)行自動(dòng)化管理的重要工具，已成功應(yīng)用于氣象、地理、生物信息、高能物理等眾多領(lǐng)域[1-2]。其中，科學(xué)工作流建模是SWfMS應(yīng)用中的重要步驟，通常需要根據(jù)實(shí)際需求組合大量的應(yīng)用程序并對(duì)大規(guī)模數(shù)據(jù)集進(jìn)行頻繁操作。因此，與業(yè)務(wù)工作流(business workflow)相似，構(gòu)建一個(gè)可有效描述科學(xué)計(jì)算或科學(xué)實(shí)驗(yàn)過程的科學(xué)工作流模型通常非常復(fù)雜耗時(shí)且容易出錯(cuò)[1,3-5]。

近年來，隨著SWfMS的廣泛應(yīng)用，大量科學(xué)工作流模型被收集于myExperiment，CrowdLabs，SHIWA等在線平臺(tái)[6]，雖然這些平臺(tái)提供了關(guān)鍵詞檢索等功能以便于分享、復(fù)用或再利用科學(xué)工作流模型，但是如何從這些模型中獲取有價(jià)值的信息以輔助建模，仍具挑戰(zhàn)性。而且與業(yè)務(wù)工作流不同，在SWfMS應(yīng)用中，科研人員需要根據(jù)工作流的當(dāng)前執(zhí)行結(jié)果對(duì)科學(xué)工作流模型進(jìn)行修改，如修改活動(dòng)節(jié)點(diǎn)等，而科研人員通常不是專業(yè)的模型設(shè)計(jì)人員，難以高效完成修改。因此，有必要研究如何通過與用戶交互來推薦一組活動(dòng)節(jié)點(diǎn)作為當(dāng)前科學(xué)工作流模型中下一個(gè)活動(dòng)節(jié)點(diǎn)的候選項(xiàng)，從而有效輔助用戶完成科學(xué)工作流建模。

針對(duì)該問題，本文提出一種面向交互式建模的科學(xué)工作流活動(dòng)推薦方法，該方法可通過輔助建模工具與科研人員或模型設(shè)計(jì)人員交互，為其推薦一組符合當(dāng)前科學(xué)工作流建模需求的候選活動(dòng)節(jié)點(diǎn)。

1 相關(guān)研究

科學(xué)工作流起源于業(yè)務(wù)工作流，然而在模型描述上，業(yè)務(wù)工作流建模大多采用面向控制的模型表達(dá)工作流活動(dòng)之間的順序、并行、選擇、循環(huán)、條件等控制依賴關(guān)系；而科學(xué)工作流建模大多采用面向數(shù)據(jù)的模型或面向數(shù)據(jù)與控制的混合模型，主要由數(shù)據(jù)驅(qū)動(dòng)，后繼活動(dòng)的輸入數(shù)據(jù)通常依賴前驅(qū)活動(dòng)的數(shù)據(jù)處理結(jié)果。例如，現(xiàn)有的SWfMS在流程建模方面均支持順序、并行控制結(jié)構(gòu)，但一些SWfMS并不支持條件、選擇和循環(huán)控制。而且，許多SWfMS提供了圖形化的流程建模工具，并支持對(duì)子流程進(jìn)行建模，以方便用戶建立復(fù)雜的、具有層次性的科學(xué)工作流模型。

工作流模型推薦有助于提升工作流建模的正確率和效率，但其仍然是一個(gè)相對(duì)較新的領(lǐng)域，現(xiàn)有研究成果相對(duì)不多[3-5,7]，而且工作流表示及工作流之間的相似度度量是與科學(xué)工作流推薦相關(guān)的兩個(gè)重要問題。對(duì)此，BERGMANN等[8]針對(duì)業(yè)務(wù)工作流、科學(xué)工作流的特點(diǎn)，采用語義工作流圖表示這兩類工作流，該圖中的節(jié)點(diǎn)分為工作流節(jié)點(diǎn)(用于描述工作流的通用屬性)、任務(wù)節(jié)點(diǎn)、數(shù)據(jù)節(jié)點(diǎn)和控制流節(jié)點(diǎn)，邊分為部分邊(用于描述工作流節(jié)點(diǎn)與其他節(jié)點(diǎn)間的連接語義)、數(shù)據(jù)流邊(用于描述任務(wù)節(jié)點(diǎn)間的數(shù)據(jù)依賴)、控制流邊(用于描述任務(wù)節(jié)點(diǎn)間的控制依賴)和約束邊(用于描述數(shù)據(jù)節(jié)點(diǎn)屬性間的語義約束)。在此基礎(chǔ)上，工作流之間的相似度可根據(jù)語義描述以及邊與節(jié)點(diǎn)間的相似度計(jì)算得到。STARLINGER等[6]根據(jù)myExperiment等在線平臺(tái)采用有向無環(huán)圖(Directed Acyclic Graph, DAG)描述科學(xué)工作流的特點(diǎn)，提出一種層分解方法來計(jì)算工作流間的相似度。該方法首先將DAG中的節(jié)點(diǎn)進(jìn)行拓?fù)渑判颍瑢⒖茖W(xué)工作流分解為多層，然后通過計(jì)算各個(gè)層間的相似度得出科學(xué)工作流間的相似度。

在科學(xué)工作流推薦研究方面，MOHAN等[9]針對(duì)SWfMS在支持流程建模與共享上的不足以及myExperiment等在線平臺(tái)的特點(diǎn)，提出一種可提升工作流模型設(shè)計(jì)效率的科學(xué)工作流推薦框架，并構(gòu)建了原型系統(tǒng)。該系統(tǒng)可根據(jù)用戶當(dāng)前正在構(gòu)建的科學(xué)工作流模型，從科學(xué)工作流模型庫中選擇在句法和語義方面與當(dāng)前所構(gòu)建模型相匹配的科學(xué)工作流模型，并將其推薦給用戶作為參考。ZHOU等[10]和CHENG等[11]考慮科學(xué)工作流描述中的層次性特點(diǎn)，通過綜合工作流的層次性關(guān)系、文本描述語義、先序與后序遍歷節(jié)點(diǎn)列表等信息來計(jì)算科學(xué)工作流之間的相似度，在此基礎(chǔ)上提出一種基于層次模型的科學(xué)工作流推薦方法。該方法首先通過圖骨架聚類算法將已有科學(xué)工作流模型進(jìn)行聚類，根據(jù)用戶需求描述選擇合適的聚類簇，然后從該聚類簇中選擇最相關(guān)的科學(xué)工作流模型作為推薦結(jié)果。WEN等[7]進(jìn)一步采用異構(gòu)信息網(wǎng)絡(luò)表示科學(xué)工作流，并結(jié)合元路徑等信息計(jì)算科學(xué)工作流間的相似度，基于密度峰值聚類算法進(jìn)行科學(xué)工作流模型聚類，提出一種基于異構(gòu)信息網(wǎng)絡(luò)模型的科學(xué)工作流推薦方法。ZHANG等[12]針對(duì)單個(gè)工作流或多個(gè)工作流中相互關(guān)聯(lián)的服務(wù)鏈，用工作單元描述工作流中的連通子圖，提出一種工作單元驅(qū)動(dòng)的科學(xué)工作流推薦框架。該框架首先根據(jù)用戶的歷史搜索查詢信息(如用戶查詢意圖、最終目的等)構(gòu)建侯選工作單元集，然后根據(jù)當(dāng)前的搜索查詢信息為用戶推薦合適的工作單元，以方便工作流模型設(shè)計(jì)。然而這些方法均未考慮如何通過推薦一組活動(dòng)節(jié)點(diǎn)作為當(dāng)前待構(gòu)建科學(xué)工作流模型中下一個(gè)活動(dòng)節(jié)點(diǎn)的候選項(xiàng)，來輔助提升科學(xué)工作流建模效率。另外，ZHANG等[13]的研究與本文最為接近，其提出一種名為FlowRecommender的工作流推薦方法，該方法首先挖掘工作流節(jié)點(diǎn)與其上游子路徑間的模式，然后根據(jù)當(dāng)前工作流與各模式間的結(jié)構(gòu)相似度推薦工作流節(jié)點(diǎn)。然而，該方法并未考慮相關(guān)人員的科學(xué)工作流建模需求，也未考慮將當(dāng)前建模需求與歷史工作流片段間的語義相似度等因素作為推薦依據(jù)。DIAO等[14]考慮科學(xué)工作流開發(fā)者之間的社交網(wǎng)絡(luò)與交互信息，提出一種連接感知的、基于規(guī)則的科學(xué)工作流推薦方法，可根據(jù)用戶需求描述文本推薦所需的工作流模型。然而，該方法并未考慮相關(guān)人員的當(dāng)前科學(xué)工作流建模情況，而且其所推薦的為新構(gòu)建的科學(xué)工作流模型而非科學(xué)工作流活動(dòng)。因此，本文在上述研究基礎(chǔ)上，進(jìn)一步提出一種面向交互式建模的科學(xué)工作流活動(dòng)推薦方法。

2 問題描述與相關(guān)定義

在SWfMS應(yīng)用環(huán)境下，順序和并行控制結(jié)構(gòu)在科學(xué)工作流模型中最常見，部分SWfMS并不支持條件、選擇和循環(huán)控制結(jié)構(gòu)建模。而且，以交互式方式輔助科學(xué)工作流建模有助于為相關(guān)人員推薦下一步可供選擇或參考的科學(xué)工作流活動(dòng)，從而提升建模效率。因此，本文主要針對(duì)下一個(gè)科學(xué)工作流活動(dòng)的構(gòu)建場(chǎng)景解決如下問題：假設(shè)相關(guān)人員正在執(zhí)行流程建模，給定一個(gè)未完成的科學(xué)工作流模型和一個(gè)對(duì)科學(xué)工作流活動(dòng)的搜索需求，推薦合適的科學(xué)工作流活動(dòng)以滿足當(dāng)前流程建模需求。

對(duì)此，本文從科學(xué)工作流模型的圖結(jié)構(gòu)特點(diǎn)出發(fā)，提出基于科學(xué)工作流片段的科學(xué)工作流活動(dòng)推薦策略。與科學(xué)工作流片段相關(guān)的概念與定義介紹如下：

定義1科學(xué)工作流模型。一個(gè)科學(xué)工作流模型可描述為sw=nm,sw_dsc,sw_D,sw_A,sw_L,sw_s，其中nm為sw的名稱；sw_dsc為sw的描述性信息；sw_D為一組包含在sw中的子科學(xué)工作流集合；sw_A為一組包含在sw中的活動(dòng)(Activity)集合，每個(gè)活動(dòng)擁有不同的活動(dòng)名稱和描述性信息；sw_L為一組邊的集合，連接著sw_D中的子工作流與sw_A中的活動(dòng)；sw_s為sw的開始點(diǎn)，sw_s∈sw_D∪sw_A。

值得說明的是，科學(xué)工作流模型描述中的活動(dòng)指直接包含在該科學(xué)工作流中的活動(dòng)，并不涉及該科學(xué)工作流中子科學(xué)工作流的活動(dòng)。另外，一個(gè)子科學(xué)工作流也可描述為一個(gè)科學(xué)工作流模型。

定義2科學(xué)工作流子圖。給定一個(gè)科學(xué)工作流模型sw，科學(xué)工作流子圖是從sw中提取的一個(gè)連通子圖，可描述為psw=psw_D,psw_A,psw_L,sw_s，并滿足以下條件：

(1)psw_D?sw_D，psw_A?sw_A，psw_L?sw_L，sw_s∈psw_D∪psw_A。

(2)?swdi∈psw_D，psw中存在一條從sw_s到swdi的路徑。

(3)?ai∈psw_A，psw中存在一條從sw_s到ai的路徑。

定義3科學(xué)工作流活動(dòng)的上游子圖。給定一個(gè)科學(xué)工作流子圖psw和psw中的一個(gè)科學(xué)工作流活動(dòng)a，活動(dòng)a的上游子圖為從psw中提取出活動(dòng)a后所得的一個(gè)連通子圖，可描述為psw′=psw_D′,psw_A′,psw_L′,sw_s′，其中sw_s′為psw的開始點(diǎn)，并滿足以下條件：

(1)psw_A′=psw_A-{a}，psw_D′=psw_D，psw_L′?psw_L。

(2)若sw_s′為空，則psw_D′,psw_A′,psw_L′均為空。

(3)若sw_s′不為空，則?swdi∈psw_D′，psw′中存在一條從sw_s′到swdi的路徑，且?ai∈psw_A′，psw′中存在一條從sw_s′到ai的路徑。

定義5用戶對(duì)科學(xué)工作流活動(dòng)的推薦需求。在交互式建模環(huán)境中，用戶對(duì)科學(xué)工作流活動(dòng)的推薦需求可描述為Q,ISW，其中Q為用戶提交的活動(dòng)查詢，ISW為用戶當(dāng)前構(gòu)建中的一個(gè)科學(xué)工作流模型。

定義6語義及結(jié)構(gòu)相似度?？茖W(xué)工作流片段與用戶對(duì)科學(xué)工作流活動(dòng)的推薦需求間的語義相似度是其相關(guān)文本描述間的相似度，結(jié)構(gòu)相似度是其所包含的相關(guān)科學(xué)工作流活動(dòng)之間的連接關(guān)系方面的相似度。

3 面向交互式建模的科學(xué)工作流活動(dòng)推薦方法

3.1 基本思路

本文提出一種面向交互式建模的科學(xué)工作流活動(dòng)推薦方法(Scientific Workflow Activity Recommendation for interactive modeling, SWAR)，該方法的基本思想是將科學(xué)工作流片段作為推薦的參考模型，若某參考模型中的科學(xué)工作流活動(dòng)能與用戶提交的活動(dòng)查詢匹配，且其上游子圖能與構(gòu)建中的科學(xué)工作流模型匹配，則該參考模型中的科學(xué)工作流活動(dòng)有可能被推薦。該方法可用算法1描述，主要包括構(gòu)建科學(xué)工作流片段集、選擇相似科學(xué)工作流片段子集、篩選相似科學(xué)工作流片段、推薦侯選科學(xué)工作流活動(dòng)4個(gè)步驟。其中，計(jì)算科學(xué)工作流片段與用戶對(duì)科學(xué)工作流活動(dòng)的推薦需求之間的匹配度是該方法的關(guān)鍵。

算法1SWAR。

輸入：構(gòu)建中的科學(xué)工作流ISW、科學(xué)工作流庫SWR、用戶提交的活動(dòng)查詢Q、推薦時(shí)的相似度閾值thdsim、推薦的工作流活動(dòng)數(shù)量K。

輸出：科學(xué)工作流活動(dòng)Arec。

1.for each sw in SWR

2. {subG=ExtractAllsubGraphs(sw_s);

3.WF=WF ∪ CreatWorkflowFragments(subG);

4. }

5.Clusters=refGraphSimilarity_Clusting(WF);

6.for each cluster∈Clusters

7. {barycenter=ChooseCenterGraph(cluster);

8.if IsMaxSimFragment(barycenter,Q, ISW)

9. {Cls=cluster; }

10. }

11.for each Wfi∈Cls

12.if SimFragment(Wfi,Q, ISW) > thdsim

13. {Rec←append the workflow activity inWfi;}

14.Arec← select the top K activities in Rec;

15.Return Arec

算法1的步驟如下：

步驟1第1～5行，構(gòu)建科學(xué)工作流片段。首先從科學(xué)工作流庫中獲取科學(xué)工作流模型，根據(jù)科學(xué)工作流模型的起始點(diǎn)，利用圖挖掘等算法(如gSpan算法[15])提取符合要求的科學(xué)工作流子圖(第2行)；然后根據(jù)這些科學(xué)工作流子圖，利用層次遍歷算法獲取不同的科學(xué)工作流活動(dòng)與其上游子圖，構(gòu)建符合要求的科學(xué)工作流片段集(第3行)；最后，根據(jù)科學(xué)工作流片段中的上游子圖信息，基于科學(xué)工作流聚類方法[12]對(duì)科學(xué)工作流片段集進(jìn)行聚類，以劃分科學(xué)工作流片段集(第5行)。

步驟2第6～10行，選擇相似科學(xué)工作流片段子集。首先對(duì)已劃分的科學(xué)工作流片段子集，基于科學(xué)工作流集重心查找方法[9-11]，獲取已劃分的科學(xué)工作流片段子集中的重心科學(xué)工作流片段(第7行)；然后根據(jù)Doc2vec模型[16]和圖編輯距離計(jì)算用戶的推薦需求與科學(xué)工作流片段之間的匹配度，并選擇具有最大匹配度的科學(xué)工作流片段子集(第8～9行)。其中，Doc2vec模型可用科學(xué)工作流相關(guān)描述文本等語料進(jìn)行訓(xùn)練。

步驟3第11～13行，篩選相似科學(xué)工作流片段。根據(jù)預(yù)設(shè)置的匹配度閾值thdsim，在相似科學(xué)工作流片段子集中篩選出與用戶推薦需求的語義相似度、結(jié)構(gòu)相似度較高的科學(xué)工作流片段(第12行)，并將其加入科學(xué)工作流片段侯選集(第13行)。

步驟4第14～15行，推薦侯選科學(xué)工作流活動(dòng)。在科學(xué)工作流片段侯選集中選擇匹配度高的前K個(gè)科學(xué)工作流片段中的工作流活動(dòng)，將其作為最終的科學(xué)工作流活動(dòng)推薦結(jié)果。

3.2 基于Doc2vec與圖編輯距離的匹配度計(jì)算

Doc2vec模型以Word2vec[17]模型為基礎(chǔ)，可有效將段落或句子轉(zhuǎn)換成具有固定維度的向量表示，已被廣泛應(yīng)用于處理文本的相關(guān)任務(wù)。因此，本文采用基于Doc2vec與圖編輯距離的方法計(jì)算科學(xué)工作流片段與用戶對(duì)科學(xué)工作流活動(dòng)的推薦需求之間的匹配度，如算法2所示，該算法可直接用于構(gòu)建算法1中的IsMaxSimFragment和SimFragment方法。

算法2SimilarityComputation。

輸入：科學(xué)工作流庫SWR、科學(xué)工作流片段Wfi、用戶提交的活動(dòng)查詢Q、構(gòu)建中的科學(xué)工作流ISW。

輸出：匹配度。

1.W,R=Doc2vecTraining(SWR);

2.SemSim=SemanticSimilarity(W,R,Q,Wfi);

3.DistSim=GraphEditDistance(ISW,Wfi);

4.return α×(1-DistSim)+(1-α)×SemSim

算法2的步驟如下：

步驟1第1行，訓(xùn)練Doc2vec模型。訓(xùn)練的主要過程為：①通過提取科學(xué)工作流、子科學(xué)工作流及活動(dòng)的相關(guān)描述文本構(gòu)建科學(xué)工作流描述文本集，然后對(duì)該文本集進(jìn)行小寫化、分詞、詞干化、去停用詞等預(yù)處理后，形成語料庫Q={x1,x2,…,xj,…,xN}，其中xj表示第j個(gè)詞語，N為該語料庫的詞語總量；②用語料庫Q={x1,x2,…,xj,…,xN}中xj的上下文數(shù)據(jù)P={xj-k,…,xj+k}作為輸入層數(shù)據(jù)(k為上下文窗口大小)訓(xùn)練Doc2vec模型，得到訓(xùn)練好的詞向量矩陣W和段落向量矩陣R。

步驟2第2行，基于Doc2vec模型計(jì)算用戶提交的活動(dòng)查詢與科學(xué)工作流片段之間的語義相似度。首先將活動(dòng)查詢、科學(xué)工作流片段中的活動(dòng)描述文本分別輸入訓(xùn)練好的Doc2vec模型，得到這兩個(gè)文本對(duì)應(yīng)的向量表示，然后用余弦相似度計(jì)算兩個(gè)文本間的語義相似度。

例如，假設(shè)活動(dòng)查詢?yōu)镼，活動(dòng)描述文本為dsc，則Q和dsc間的語義相似度

(1)

式中：vi和vj分別為Q和dsc輸入Doc2vec模型后的向量表示；‖vi‖為向量的模。

步驟3第3行，基于圖編輯距離計(jì)算科學(xué)工作流片段Wfi和當(dāng)前所構(gòu)建科學(xué)工作流ISW之間的語義及結(jié)構(gòu)相似度。本文在參照文獻(xiàn)[18]基于圖編輯距離的過程模型相似性度量方法的基礎(chǔ)上，根據(jù)轉(zhuǎn)換操作的代價(jià)計(jì)算Wfi和ISW間的相似度，具體如下：①將節(jié)點(diǎn)增刪操作的代價(jià)記為1，節(jié)點(diǎn)替換操作的代價(jià)記為1-simsem(ni,nj)，其中simsem(ni,nj)表示兩個(gè)活動(dòng)的語義相似度；②當(dāng)進(jìn)行節(jié)點(diǎn)增刪操作時(shí)，節(jié)點(diǎn)對(duì)應(yīng)的每條邊所需進(jìn)行增刪操作的代價(jià)均記為1；③根據(jù)這些代價(jià)計(jì)算語義及結(jié)構(gòu)相似度。

步驟4第4行，綜合前兩步所得的語義相似度與結(jié)構(gòu)相似度，輸出最終的科學(xué)工作流片段與用戶對(duì)科學(xué)工作流活動(dòng)的推薦需求之間的匹配度。

4 實(shí)驗(yàn)評(píng)估

4.1 數(shù)據(jù)集

本文在前期從myExperiment平臺(tái)爬取的科學(xué)工作流庫(https://github.com/yixinxunwu/myExperiment)的基礎(chǔ)上，選取Tarvena2類型科學(xué)工作流構(gòu)建數(shù)據(jù)集SW#100，并根據(jù)五折交叉驗(yàn)證的原理進(jìn)行實(shí)驗(yàn)。首先將整個(gè)數(shù)據(jù)集隨機(jī)劃分為5個(gè)大小相等的數(shù)據(jù)子集；然后不重復(fù)地每次取其中一個(gè)子集作為測(cè)試集，其余4個(gè)子集作為訓(xùn)練集，進(jìn)行五折交叉驗(yàn)證，獲取在5個(gè)測(cè)試集上關(guān)于不同指標(biāo)的評(píng)估結(jié)果；最后將評(píng)估結(jié)果按不同指標(biāo)取平均值，得到最終的評(píng)估結(jié)果。

實(shí)驗(yàn)所用的數(shù)據(jù)集名為SW#100，該數(shù)據(jù)集涉及100個(gè)科學(xué)工作流和808個(gè)工作流活動(dòng)，其中每個(gè)科學(xué)工作流包含2～126個(gè)工作流活動(dòng)。根據(jù)該數(shù)據(jù)集，應(yīng)用gSpan算法[14]并設(shè)置該算法中的參數(shù)minSup=1，可獲取9 885個(gè)符合實(shí)驗(yàn)要求的科學(xué)工作流子圖。

4.2 評(píng)價(jià)指標(biāo)

為了評(píng)估活動(dòng)推薦效果，構(gòu)建期望推薦的活動(dòng)列表Aept(表中活動(dòng)所對(duì)應(yīng)的科學(xué)工作流片段與用戶對(duì)科學(xué)工作流活動(dòng)的推薦需求之間的匹配度超過thdsim)，以及實(shí)際推薦的活動(dòng)列表Arec(表中的活動(dòng)為實(shí)際推薦結(jié)果)?；诖耍x準(zhǔn)確率precision、召回率recall和F1(F-score)3個(gè)評(píng)價(jià)指標(biāo)：

(2)

(3)

(4)

式中：|Arec|和|Aept|分別為列表Arec和Aept中的活動(dòng)數(shù)；|Arec∩Aept|為兩個(gè)活動(dòng)列表中同時(shí)存在的活動(dòng)數(shù)。

4.3 推薦結(jié)果評(píng)估

本文選用FlowRecommender[13]作為對(duì)比方法(記為FlowRec)，并從如下兩方面進(jìn)行實(shí)驗(yàn)評(píng)估分析：

(1)匹配度閾值thdsim對(duì)推薦結(jié)果的影響

為研究匹配度閾值thdsim對(duì)SWAR方法在準(zhǔn)確率、召回率和F1上的影響，將推薦的活動(dòng)數(shù)K設(shè)置為10，賦值thdsim=0.74,0.78,…,0.94。如圖1所示，隨著thdsim的增加，準(zhǔn)確率和召回率分別呈現(xiàn)下降和增長(zhǎng)的趨勢(shì)，而且SWAR方法在準(zhǔn)確率、召回率和F1方面均優(yōu)于FlowRec方法。

當(dāng)閾值thdsim設(shè)置為相對(duì)較大的值時(shí)，Aept的活動(dòng)可能較少。因此，Arec中的大量活動(dòng)在Aept中并不存在，從而導(dǎo)致準(zhǔn)確率降低。如圖1a所示，當(dāng)thdsim設(shè)置為0.74～0.82時(shí)，因?yàn)榇蠖鄶?shù)預(yù)期片段的相似性值在這兩個(gè)值范圍內(nèi)，所以SWAR的準(zhǔn)確率相對(duì)穩(wěn)定；當(dāng)thdsim設(shè)置為0.86～0.98時(shí)，因?yàn)檫@類相似度極高的預(yù)期活動(dòng)非常少，所以Aept中的活動(dòng)數(shù)急劇減少。另外，因?yàn)镕lowRec方法在活動(dòng)推薦中主要強(qiáng)調(diào)結(jié)構(gòu)相似度，而SWAR方法同時(shí)關(guān)注語義相似度與結(jié)構(gòu)相似度，所以SWAR方法相對(duì)優(yōu)于FlowRec方法。

(2)推薦活動(dòng)數(shù)量K對(duì)推薦結(jié)果的影響

為了研究推薦活動(dòng)數(shù)量K對(duì)SWAR方法推薦結(jié)果的影響，設(shè)置thdsim=0.86，K=6,10,…,30。如圖2所示，隨著K值的增加，準(zhǔn)確率和召回率分別呈現(xiàn)下降和增長(zhǎng)的趨勢(shì)，而且SWAR方法在準(zhǔn)確率、召回率和F1方面均優(yōu)于FlowRec方法。

如圖2a所示，當(dāng)K設(shè)置為較大值時(shí)，兩種活動(dòng)推薦方法的準(zhǔn)確率都開始降低，因?yàn)檫@些方法推薦了過多的活動(dòng)，而其實(shí)際上與相關(guān)人員需求的相關(guān)性不大，所以這些活動(dòng)可能并不存在于Aept中。當(dāng)K為6～14時(shí)，這兩種活動(dòng)推薦方法的召回率均大幅提高。

如圖2b所示，當(dāng)K為16～30時(shí)，所有方法的召回率都逐漸變得相對(duì)穩(wěn)定，因?yàn)榇藭r(shí)在Aept中，大多數(shù)預(yù)期的活動(dòng)已經(jīng)被發(fā)現(xiàn)并推薦給相關(guān)人員。如圖2c所示，當(dāng)K被設(shè)置為6～14時(shí)，兩種方法的F1值均有所提升，而當(dāng)K賦值為18甚至更高時(shí)，所有活動(dòng)推薦方法的F1值均呈現(xiàn)下降的趨勢(shì)。

5 結(jié)束語

針對(duì)SWfMS環(huán)境中科學(xué)工作流建模的特點(diǎn)以及相關(guān)人員的交互式建模需求，本文在前期研究工作的基礎(chǔ)上，提出一種面向交互式建模的科學(xué)工作流活動(dòng)推薦方法，并通過基于真實(shí)數(shù)據(jù)集的實(shí)驗(yàn)，驗(yàn)證了該方法在準(zhǔn)確率、召回率和F1等評(píng)估指標(biāo)方面均優(yōu)于對(duì)比方法。未來工作將考慮結(jié)合科學(xué)工作流的建模主題等，進(jìn)一步提升科學(xué)工作流活動(dòng)推薦的智能性。