Bewertung von Techniken zur Abstraktion von Ereignisprotokollen

Eine empirische Bewertung unüberwachter Techniken zur Abstraktion von Ereignisprotokollen im Process Mining

Rohdaten-Tabellen

Branche Forschung und Benchmarks
Art der Daten Simuliert
Veröffentlicht von Zenodo
Urheber Van Houdt, Greg, de Leoni, Massimiliano, Depaire, Benoît, Martin, Niels
Veröffentlicht am 2023-11-24
Lizenz CC BY 4.0
Kopie auf mindzie Ja – unten herunterladen
Gesamte Größe 1,1 GB

Über diesen Datensatz

In den Worten des Herausgebers:

Dieser Upload enthält die Ereignisprotokolle, generiert von L-Sim, an denen die Experimente des zugehörigen Papers durchgeführt wurden.

Das zugehörige Paper wurde in der Zeitschrift Information Systems angenommen.

Daten herunterladen

mindzie behält eine Kopie jeder Datei, sodass Sie diese hier herunterladen können. Die Lizenz ist CC BY 4.0: Nennen Sie den Herausgeber mit der folgenden Zitierung, wenn Sie Ergebnisse teilen.

Datei Form Format Größe
EventAbstraction_EventLogs.7z Rohdaten-Tabellen 7z 1,1 GB Herunterladen

Das Original befindet sich bei Zenodo.

Nutzung in mindzie

  • Rohdaten-Tabellen: Laden Sie die Tabellen als Rohdaten – eine .csv pro Tabelle, eine .zip davon oder eine einzelne .sqlite-Datei. Siehe Von Rohdatentabellen zu einem Ereignisprotokoll.
  • Eine einzelne Datei kann bis zu 2 GB groß sein.

Lizenz und Zitierung

Lizenz: CC BY 4.0

Kommerzielle Nutzung: erlaubt. Weitergabe einer Kopie: erlaubt.

Zitieren Sie so:

Van Houdt, Greg, de Leoni, Massimiliano, Depaire, Benoît, Martin, Niels (2023). An Empirical Evaluation of Unsupervised Event Log Abstraction Techniques in Process Mining. Zenodo. https://doi.org/10.5281/zenodo.6793544

Siehe Lizenzen und Quellenangaben für Angaben zu den einzelnen Lizenzen.

Für KI-Agenten

Dieser Datensatz als JSON, mit Downloadadresse und Prüfsumme für jede Datei: https://docs.mindziestudio.com/sample-data/datasets/event-log-abstraction-techniques-evaluation.json