A Model-Driven Approach to Generate Relevant and Realistic Datasets

Adel Ferdjoukh 1 Eric Bourreau 2 Annie Château 3 Clémentine Nebut 1
1 MAREL - Models And Reuse Engineering, Languages
LIRMM - Laboratoire d'Informatique de Robotique et de Microélectronique de Montpellier
2 MAORE - Méthodes Algorithmes pour l'Ordonnancement et les Réseaux
LIRMM - Laboratoire d'Informatique de Robotique et de Microélectronique de Montpellier
3 MAB - Méthodes et Algorithmes pour la Bioinformatique
LIRMM - Laboratoire d'Informatique de Robotique et de Microélectronique de Montpellier
Abstract : Disposing of relevant and realistic datasets is a difficult challenge in many areas, for benchmarking or testing purpose. Datasets may contain complexly structured data such as graphs or models, and obtaining such kind of data is sometimes expensive and available benchmarks are not as relevant as they should be. In this paper we propose a model-driven approach based on a probabilistic simulation using domain specific metrics for automated generation of relevant and realistic datasets.
Keywords : Relevant datasets generation Meta-model instantiation Probabilistic simulation
Type de document :
Communication dans un congrès
SEKE: Software Engineering and Knowledge Engineering, Jul 2016, Redwood City, San Francisco Bay, United States. 28th International Conference on Software Engineering and Knowledge Engineering, pp.105-109, 2016, 〈10.18293/SEKE2016-029〉
Liste complète des métadonnées

Littérature citée [12 références]  Voir  Masquer  Télécharger
https://hal-lirmm.ccsd.cnrs.fr/lirmm-01397311
Contributeur : Isabelle Gouat <>
Soumis le : mardi 15 novembre 2016 - 16:28:25
Dernière modification le : jeudi 24 mai 2018 - 15:59:22
Document(s) archivé(s) le : jeudi 16 mars 2017 - 16:29:40

Fichier

seke16paper_29.pdf
Fichiers éditeurs autorisés sur une archive ouverte

Identifiants

Collections

LIRMM | MAB | MAORE | MAREL | MIPS | UNIV-MONTPELLIER

Citation

Adel Ferdjoukh, Eric Bourreau, Annie Château, Clémentine Nebut. A Model-Driven Approach to Generate Relevant and Realistic Datasets. SEKE: Software Engineering and Knowledge Engineering, Jul 2016, Redwood City, San Francisco Bay, United States. 28th International Conference on Software Engineering and Knowledge Engineering, pp.105-109, 2016, 〈10.18293/SEKE2016-029〉. 〈lirmm-01397311〉

Exporter

BibTeX TEI DC DCterms EndNote

Partager

Métriques

Consultations de la notice

98

Téléchargements de fichiers

113

Contact

support.ccsd.cnrs.fr
hal.support@ccsd.cnrs.fr
Logo CCSD