工作流推荐技术不仅可以帮助用户加快制定流程、使用流程的速度，同时也可以减少流程定义过程中可能出现的错误，成为当前工作流技术研究的热点。论文结合课题组所承担的重大科技专项，研究工作流推荐技术，具有重要的研究意义和应用价值。　　 论文首先研究基于关联规则和事务上下文的流程推荐技术BARTC-ProcessRecommendation，该技术结合数据挖掘中的基于关联规则算法，找出流程间隐含的潜在关联关系，利用这种关联关系并结合用户所处的事务上下文环境产生推荐结果，从而进行推荐。实验结果表明BARTC-ProcessRecommendation方法的推荐准确度达到了88％左右，结果让人满意。　　 然后论文研究基于频繁子图挖掘的工作流活动节点推荐技术BFSGM-NodeRecommendation。该算法依赖图挖掘中频繁子图挖掘技术，首先利用gSpan算法挖掘出所有工作流中的频繁子流程，再从频繁子流程中提取出关联路径和候选节点并注册到模式表中，然后根据当前已制定的部分工作流和模式表中路径的路径距离，确定待推荐的候选节点。该算法解决了传统的节点推荐算法中只能推荐串行工作流的缺点，充分考虑了含有并行分支的工作流的推荐情况。实验结果表明，该算法在串行及并行工作流的节点推荐中取得了良好的效果，其准确度及效率都优于其他的节点推荐算法。　　 论文最后将基于关联规则和事务上下文的流程推荐算法和基于频繁子图挖掘的活动节点推荐算法应用到钱塘工作流管理系统中，并重点介绍其中的系统建模工具模块以及流程推荐子模块和节点推荐子模块的设计方案，最后展示了两种算法应用于工作流管理系统中的效果图。