BPIC 2012, BPIC 2015, BPIC 2017, BPIC 2019, BPIC 2020|业务流程监控数据集|预测分析数据集

本研究使用五个公开的4TU.ResearchData仓库中的数据集（BPIC 2012至BPIC 2020），这些数据集记录了不同业务流程的事件日志，如贷款申请、建筑许可申请等。每个数据集包含数千至数十万条事件记录，目标为预测案例完成前的剩余时间。数据集创建过程中，研究者通过预处理步骤消除数据泄露和偏差，确保数据集的无偏性和可重复性。这些数据集主要应用于预测过程监控领域，旨在通过机器学习模型提高业务流程的监控效率和准确性。

AI搜集汇总

数据集介绍

构建方式

BPIC系列数据集的构建方式涉及对公共流程挖掘数据集进行预处理，旨在创建无偏见的基准数据集。研究人员首先对九个常用的公共流程挖掘数据集进行了分析，以揭示现有数据集构建过程中存在的问题。接着，他们提出了一系列预处理步骤，包括消除时间序列异常值和重复数据、消除数据集末尾的偏差、选择测试集、时间分割、消除测试集开头的偏差以及移除过长的案例。这些步骤旨在确保训练集和测试集之间的严格时间分割，并消除数据泄露和偏差问题。

特点

BPIC系列数据集的特点在于其无偏见性、严格的时间分割和代表性。数据集的构建过程考虑了时间序列异常值和重复数据的消除，以减少数据泄露的风险。此外，通过消除数据集末尾的偏差和测试集开头的偏差，确保了测试集能够更好地代表整个数据集。严格的时间分割确保了训练集和测试集之间的独立性，从而提高了预测的准确性。

使用方法

BPIC系列数据集的使用方法包括预处理步骤和模型预测。预处理步骤包括消除时间序列异常值和重复数据、消除数据集末尾的偏差、选择测试集、时间分割、消除测试集开头的偏差以及移除过长的案例。这些步骤旨在创建无偏见的基准数据集，以便研究人员可以自由地对训练集进行处理，并在给定的测试集上测试他们的结果。模型预测部分通常涉及使用卷积神经网络(CNN)等机器学习模型对预处理后的数据进行训练和测试，以预测案例的剩余时间或未来事件。

背景与挑战

背景概述

BPIC系列数据集，包括BPIC 2012、BPIC 2015、BPIC 2017、BPIC 2019和BPIC 2020，是由KU Leuven的研究中心LIRIS创建的。这些数据集主要用于预测流程监控（PPM）领域的研究，该领域涉及预测流程中的下一个事件、流程结果和剩余执行时间。BPIC数据集的创建旨在解决流程挖掘研究中存在的几个主要障碍，包括数据集使用的多样性、训练和测试集的分割方式、数据泄露问题以及测试集的偏差。BPIC系列数据集的创建和发布对促进预测流程监控领域的公平竞争、开放科学和快速进步具有重要意义。

当前挑战

BPIC数据集面临的挑战主要包括以下几个方面：1）数据集使用的多样性：研究人员使用不同的数据集和分割方式，导致结果难以比较和复现。2）训练和测试集的分割问题：标准的时间分割或交叉验证技术会导致数据泄露，影响预测性能。3）测试集的偏差：测试集在案例持续时间和运行案例数量方面存在偏差，这会影响预测结果的准确性。为了克服这些挑战，BPIC数据集的创建者提出了一系列预处理步骤，旨在创建无偏见的基准数据集，从而促进预测流程监控领域的研究和发展。

常用场景

经典使用场景

BPIC数据集系列，包括BPIC 2012, BPIC 2015, BPIC 2017, BPIC 2019和BPIC 2020，被广泛用于预测过程监控的研究。这些数据集记录了各种业务流程的事件日志，为预测下一个事件、过程结果和剩余执行时间提供了丰富的数据基础。经典的使用场景包括使用BPIC数据集进行剩余时间预测，通过深度学习模型如卷积神经网络（CNN）来训练和测试，以评估模型在现实世界业务流程中的预测能力。

解决学术问题

BPIC数据集系列解决了预测过程监控中数据集不一致性、数据泄露和偏差的问题。通过创建无偏见的基准数据集，研究人员可以更公平地比较他们的结果，促进研究的可重复性和开放科学。此外，BPIC数据集通过严格的时序分割和预处理步骤，确保了训练集和测试集之间的独立性，从而避免了数据泄露问题，这对于预测过程监控的准确性至关重要。

衍生相关工作

BPIC数据集系列衍生了许多相关的研究工作，包括在预测过程监控中使用深度学习模型、开发新的无偏见基准数据集和改进预测算法。这些相关工作不仅推动了预测过程监控领域的发展，也为其他相关领域如自然语言处理、强化学习和图像识别提供了重要的启示和借鉴。BPIC数据集系列已成为预测过程监控领域的重要基准，促进了新方法和算法的研究与开发。