Évaluation des Techniques d'Abstraction des Journaux d'Événements

Une Évaluation Empirique des Techniques d'Abstraction Non Supervisée des Journaux d'Événements en Fouille de Processus

Tables brutes

Industrie Recherche et benchmarks
Type de données Simulées
Publié par Zenodo
Créateurs Van Houdt, Greg, de Leoni, Massimiliano, Depaire, Benoît, Martin, Niels
Publication 2023-11-24
Licence CC BY 4.0
Copie sur mindzie Oui - téléchargez-la ci-dessous
Taille totale 1.1 GB

À propos de ce jeu de données

Selon les mots de l'éditeur :

Ce dépôt contient les journaux d'événements, générés par L-Sim, sur lesquels les expériences de l'article associé ont été réalisées.

L'article associé est accepté dans la revue Information Systems.

Obtenir les données

mindzie conserve une copie de chaque fichier, vous pouvez donc le télécharger ici. La licence est CC BY 4.0 : créditez l'éditeur avec la citation ci-dessous lorsque vous partagez des résultats.

Fichier Forme Format Taille
EventAbstraction_EventLogs.7z Tables brutes 7z 1.1 GB Télécharger

L'original se trouve sur Zenodo.

Utilisation dans mindzie

Licence et citation

Licence : CC BY 4.0

Usage commercial : autorisé. Partager une copie : autorisé.

Citez-le comme suit :

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

Voir Licences et Attribution pour les droits accordés par chaque licence.

Pour les agents IA

Ce jeu de données au format JSON, avec une adresse de téléchargement et une somme de contrôle pour chaque fichier : https://docs.mindziestudio.com/sample-data/datasets/event-log-abstraction-techniques-evaluation.json