[发明专利]面向蛋白质组学数据分析的基于provenance的工作流匹配和发现系统

权利要求书

1. 一个面向蛋白质组学数据分析的基于provenance的工作流匹配和发现系统，其特征在于包括：工作流模块，信息发现模块，数据库更新模块，数据库，工作流引擎；其中： 

所述工作流模块，包括两部分内容：初始工作流和实例化的工作流；初始工作流表示为描述数据分析任务而由抽象任务组成的科学工作流，在工作流匹配过程中作为工作流模板；实例化的工作流表示为初始工作流中的每一个抽象任务指定具体服务后的科学工作流；

所述数据库，包括历史流程知识存储库（HFK）和源数据信息收集库（PDC），它们分别用于记录历史流程信息和它们执行时生成的provenance信息；

所述信息发现模块，有如下三个子模块组成：流程匹配和信息整合子模块，流程信息挖掘子模块，源数据挖掘子模块；流程信息挖掘子模块用于从历史流程知识存储库中找出与流程模板重叠的任务节点及其对应的具体服务；源数据挖掘子模块用于从源数据信息收集库中获取匹配流程对应的provenance信息；流程匹配和信息整合子模块用于整合上述两个子模块获取的信息，然后将整合后的信息展示给用户；

所述工作流引擎，包括工作流的执行监控模块和工作流执行模块；后者负责执行实例化的工作流，前者负责收集流程执行时产生的provenance信息；

所述数据库更新模块，在工作流执行模块每次执行完一个工作流后就更新HFK和PDC；

上述各个模块间的数据流向关系如下：

用户根据任务描述创建初始工作流；信息发现模块将初始工作流作为工作流模板从历史流程知识存储库和源数据信息收集库中找出匹配的历史流程及其对应的执行时产生的源数据信息；由信息发现模块获取的信息展示给用户，用户使用这些信息来实例化初始工作流，从而得到实例化的工作流；工作流引擎模块的工作流执行子模块执行实例化的工作流，同时工作流的执行监控模块收集工作流执行时产生的源数据信息；数据库更新模块将工作流引擎获取的源数据信息和实例化的工作流信息作为历史流程信息更新到数据模块的历史流程知识存储库和源数据信息收集库中。

2. 根据权利要求1所述的基于provenance的工作流匹配和发现系统，其特征在于系统的初始工作流模块在创建初始工作流和实例化工作流时涉及抽象的任务集S和实体服务集T；其中，T表示系统用到的抽象任务的集合，用户使用这些任务来描述一个数据分析流程；S表示系统中已经整合的实体服务，这些服务实现T中的抽象任务；另外，系统组建的流程是以数据为中心的pipeline类型。

3. 根据权利要求2所述的基于provenance的工作流匹配和发现系统，其特征在于所述的科学工作流是一个简单的有向图G=(V，E，F)，其中，V是一个由流程中抽象任务节点组成的有限集合，E是一个由任务节点之间的数据依赖关系组成的集合，F是抽象任务和具体服务的映射关系的集合。

4. 根据权利要求3所述的基于provenance的工作流匹配和发现系统，其特征在于历史流程知识存储库模块中信息组织方式为：(<task_i, service_i>, {G_1, G₂})，表示历史流程知识存储库模块中的一个基本信息单元，它的语义为：G₁，G₂中的抽象任务task_i在流程执行时由服务service_i来执行；

源数据信息收集库模块中信息组织形式为<object₁, object₂>，其中object₁和object₂之间存在偏序关系。