論文の概要: Connecting Web Event Forecasting with Anomaly Detection: A Case Study on
Enterprise Web Applications Using Self-Supervised Neural Networks
- arxiv url: http://arxiv.org/abs/2008.13707v2
- Date: Mon, 7 Sep 2020 13:56:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-23 07:46:29.058764
- Title: Connecting Web Event Forecasting with Anomaly Detection: A Case Study on
Enterprise Web Applications Using Self-Supervised Neural Networks
- Title（参考訳）: Webイベント予測と異常検出を接続する:自己監視ニューラルネットワークを用いたエンタープライズWebアプリケーションのケーススタディ
- Authors: Xiaoyong Yuan, Lei Ding, Malek Ben Salem, Xiaolin Li, Dapeng Wu
- Abstract要約: 我々は、より優れた異常検出のためのWebイベント予測アプローチであるDeepEventをエンタープライズWebアプリケーションに提示する。
DeepEventには、シーケンシャルなWebイベントの特徴を考慮に入れたWeb固有のニューラルネットワーク、ラベル付きデータの不足を克服する自己教師付き学習テクニック、コンテキストイベントを統合するシーケンシャルな埋め込みテクニックの3つの重要な機能が含まれている。
実験の結果,DeepEventはシーケンシャルなWebイベントの予測やWebベースの異常検出に有効であることが示された。
- 参考スコア（独自算出の注目度）: 13.59224665442171
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recently web applications have been widely used in enterprises to assist
employees in providing effective and efficient business processes. Forecasting
upcoming web events in enterprise web applications can be beneficial in many
ways, such as efficient caching and recommendation. In this paper, we present a
web event forecasting approach, DeepEvent, in enterprise web applications for
better anomaly detection. DeepEvent includes three key features: web-specific
neural networks to take into account the characteristics of sequential web
events, self-supervised learning techniques to overcome the scarcity of labeled
data, and sequence embedding techniques to integrate contextual events and
capture dependencies among web events. We evaluate DeepEvent on web events
collected from six real-world enterprise web applications. Our experimental
results demonstrate that DeepEvent is effective in forecasting sequential web
events and detecting web based anomalies. DeepEvent provides a context-based
system for researchers and practitioners to better forecast web events with
situational awareness.
- Abstract（参考訳）: 近年、webアプリケーションは、従業員が効果的で効率的なビジネスプロセスを提供するのを助けるために、企業で広く使われている。
エンタープライズウェブアプリケーションにおける今後のWebイベントの予測は、効率的なキャッシングやレコメンデーションなど、多くの面で有益である。
本稿では,企業Webアプリケーションにおける異常検出のためのWebイベント予測手法であるDeepEventを提案する。
DeepEventには、シーケンシャルなWebイベントの特徴を考慮に入れたWeb固有のニューラルネットワーク、ラベル付きデータの不足を克服するための自己教師付き学習テクニック、コンテキストイベントの統合とWebイベント間の依存関係のキャプチャのためのシーケンス埋め込みテクニックの3つの重要な機能が含まれている。
実世界の6つのエンタープライズWebアプリケーションから収集したWebイベントについてDeepEventを評価する。
実験の結果,DeepEventはシーケンシャルなWebイベントの予測やWebベースの異常検出に有効であることが示された。
DeepEventは、研究者や実践者が状況を認識したWebイベントをより正確に予測するためのコンテキストベースのシステムを提供する。
関連論文リスト
- NetFlowGen: Leveraging Generative Pre-training for Network Traffic Dynamics [72.95483148058378]
我々は,NetFlowレコードからのトラフィックデータのみを用いて,トラフィックダイナミクスをキャプチャする汎用機械学習モデルを事前学習することを提案する。
ネットワーク特徴表現の統一,未ラベルの大規模トラフィックデータ量からの学習,DDoS攻撃検出における下流タスクのテストといった課題に対処する。
論文 参考訳（メタデータ） (2024-12-30T00:47:49Z) - A Survey on Web Application Testing: A Decade of Evolution [22.84916271936475]
Webアプリケーションテスト(WAT)は、Webアプリケーションの機能、セキュリティ、信頼性を保証する上で重要な役割を果たす。
過去10年間に様々なWATアプローチが開発されてきた。
本稿では,テストケースの生成と実行,評価,評価など,WATに関わる主なステップについて検討する。
論文 参考訳（メタデータ） (2024-12-13T04:13:28Z) - MAVEN-Fact: A Large-scale Event Factuality Detection Dataset [55.01875707021496]
我々は,MAVENデータセットに基づく大規模かつ高品質なEFDデータセットであるMAVEN-Factを紹介する。
MAVEN-Factには112,276のイベントのファクトリティアノテーションが含まれており、EFDデータセットとしては最大である。
MAVEN-Factは従来の微調整モデルと大規模言語モデル(LLM)の両方において困難であることを示す実験結果が得られた。
論文 参考訳（メタデータ） (2024-07-22T03:43:46Z) - Improving Event Definition Following For Zero-Shot Event Detection [66.27883872707523]
ゼロショットイベント検出に対する既存のアプローチは通常、既知のイベントタイプをアノテートしたデータセット上でモデルをトレーニングする。
イベント定義に従うためのトレーニングモデルによるゼロショットイベント検出の改善を目指しています。
論文 参考訳（メタデータ） (2024-03-05T01:46:50Z) - EnrichEvent: Enriching Social Data with Contextual Information for Emerging Event Extraction [4.905346662577355]
本稿では,ストリーミングソーシャルデータの言語的および文脈的表現を活用する新しいフレームワークであるEnrichEventを提案する。
提案するフレームワークは,イベントの時間的変化を示すために,各イベントのクラスタチェーンを生成する。
論文 参考訳（メタデータ） (2023-07-29T21:37:55Z) - PILED: An Identify-and-Localize Framework for Few-Shot Event Detection [79.66042333016478]
本研究では,事前学習した言語モデルから事象関連知識を引き出すために,クローゼプロンプトを用いた。
型固有のパラメータの数を最小化し、新しい型に対するイベント検出タスクに迅速に適応できるようにします。
論文 参考訳（メタデータ） (2022-02-15T18:01:39Z) - Learning Constraints and Descriptive Segmentation for Subevent Detection [74.48201657623218]
本稿では,サブイベント検出とEventSeg予測の依存関係をキャプチャする制約を学習し,強制するアプローチを提案する。
我々は制約学習にRectifier Networksを採用し、学習した制約をニューラルネットワークの損失関数の正規化項に変換する。
論文 参考訳（メタデータ） (2021-09-13T20:50:37Z) - COfEE: A Comprehensive Ontology for Event Extraction from text, with an
online annotation tool [3.8995911009078816]
イベント抽出(EE)は、特定のインシデントとそのアクターに関する情報をテキストから導き出そうとする。
EEは知識ベースの構築、情報検索、要約、オンライン監視システムなど、多くの領域で有用である。
COfEEは、環境問題、サイバースペース、犯罪活動、自然災害に関連する新しいカテゴリを含む2つの階層レベル(イベントタイプとイベントサブタイプ)から構成されている。
論文 参考訳（メタデータ） (2021-07-21T19:43:22Z) - EventDrop: data augmentation for event-based learning [0.3670422696827526]
EventDropは、ディープモデルの一般化を改善するために非同期イベントデータを拡張するための新しい方法である。
現実的には、EventDropは実装が簡単で、計算コストも低い。
論文 参考訳（メタデータ） (2021-06-07T11:53:14Z) - Event-Related Bias Removal for Real-time Disaster Events [67.2965372987723]
ソーシャルメディアは、自然災害や大量攻撃などの危機事象に関する情報を共有する重要なツールとなっている。
有用な情報を含む実行可能なポストを検出するには、大量のデータをリアルタイムに高速に分析する必要がある。
我々は、潜在事象固有のバイアスを除去し、ツイート重要度分類の性能を向上させるために、敵対的ニューラルモデルを訓練する。
論文 参考訳（メタデータ） (2020-11-02T02:03:07Z) - Applying Social Event Data for the Management of Cellular Networks [0.34410212782758043]
本稿では,ソーシャルデータの自動取得と処理の枠組みと,ネットワーク要素(NE)との関連性について述べる。
実際のネットワークで直接動作するように設計されたシステムの主な機能を定義し,開発する。
論文 参考訳（メタデータ） (2020-06-16T15:35:38Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。