論文の概要: UniLog: Deploy One Model and Specialize it for All Log Analysis Tasks
- arxiv url: http://arxiv.org/abs/2112.03159v1
- Date: Mon, 6 Dec 2021 16:49:33 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-07 19:49:22.915340
- Title: UniLog: Deploy One Model and Specialize it for All Log Analysis Tasks
- Title(参考訳): UniLog: 1つのモデルをデプロイして、すべてのログ分析タスクに特化
- Authors: Yichen Zhu and Weibin Meng and Ying Liu and Shenglin Zhang and Tao Han
and Shimin Tao and Dan Pei
- Abstract要約: UniLog: ひとつのモデルをデプロイし、すべてのログ分析タスクに特化する。
UniLog: ひとつのモデルをデプロイし、すべてのログ分析タスクに特化する。
- 参考スコア(独自算出の注目度): 11.446749731824378
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: UniLog: Deploy One Model and Specialize it for All Log Analysis Tasks
- Abstract(参考訳): UniLog: 1つのモデルをデプロイして、すべてのログ分析タスクに特化
関連論文リスト
- LogPTR: Variable-Aware Log Parsing with Pointer Network [26.22475002474724]
本稿では,ログ中の静的部分と動的部分を抽出し,変数のカテゴリを識別する,最初のエンドツーエンド変数認識ログであるLogPTRを提案する。
我々は16の公開ログデータセットに対して広範な実験を行い、その結果、LogPTRは最先端のログ解析より優れていることを示した。
論文 参考訳(メタデータ) (2024-01-11T15:41:21Z) - LogFormer: A Pre-train and Tuning Pipeline for Log Anomaly Detection [73.69399219776315]
本稿では,ログ異常検出(LogFormer)のためのTransformerベースの統合フレームワークを提案する。
具体的には、ログデータの共有セマンティック知識を得るために、まず、ソースドメイン上で事前学習を行う。
そして、そのような知識を共有パラメータを介して対象領域に転送する。
論文 参考訳(メタデータ) (2024-01-09T12:55:21Z) - One for All: Towards Training One Graph Model for All Classification
Tasks [64.74879508476636]
様々なグラフタスクの統一モデルは、主にグラフ学習領域に固有の課題のために、まだ探索されていない。
上記の課題に対処するために単一のグラフモデルを使用できる最初の汎用フレームワークである textbfOne for All (OFA) を提案する。
OFAは様々なタスクでうまく機能し、グラフ上の最初の汎用のクロスドメイン分類モデルとなる。
論文 参考訳(メタデータ) (2023-09-29T21:15:26Z) - Prompting for Automatic Log Template Extraction [6.299547112893045]
DivLogは、大規模言語モデル(LLM)の非コンテキスト学習(ICL)能力に基づく効果的なログ解析フレームワークである。
プロンプト内の例のセマンティクスをマイニングすることで、DivLogはトレーニング不要な方法でターゲットログテンプレートを生成する。
論文 参考訳(メタデータ) (2023-07-19T12:44:59Z) - Musketeer (All for One, and One for All): A Generalist Vision-Language
Model with Task Explanation Prompts [90.30844132765706]
本稿では,全てのタスク(すべて1つ)でパラメータを共同で訓練し,複数のタスク(すべて1つ)で完全に共有するシーケンス・ツー・シーケンス・ビジョン言語モデルを提案する。
不均一なタスク間の知識の統合は、タスク説明プロンプト(TEP)と呼ばれる新しい機能によって実現される
論文 参考訳(メタデータ) (2023-05-11T17:57:49Z) - LogAI: A Library for Log Analytics and Intelligence [27.889928073709516]
LogAIは、ログ分析とインテリジェンスのためのワンストップのオープンソースライブラリである。
ログの要約、ログクラスタリング、ログ異常検出などのタスクをサポートする。
LogAIは統一されたモデルインターフェースを提供し、人気のある時系列、統計学習、ディープラーニングモデルを提供する。
論文 参考訳(メタデータ) (2023-01-31T05:08:39Z) - UniSumm and SummZoo: Unified Model and Diverse Benchmark for Few-Shot
Summarization [54.59104881168188]
textscUniSummは、複数の要約タスクで事前訓練された、統合された数ショットの要約モデルである。
textscSummZooは、スクリーンショットの要約をよりよく評価するための新しいベンチマークである。
論文 参考訳(メタデータ) (2022-11-17T18:54:47Z) - OneLog: Towards End-to-End Training in Software Log Anomaly Detection [0.0]
OneLogは文字レベルでCNN(Conal Neural Networks)を使用して数字、数字、句読点を取得する。
Onelogは私たちのデータセットで最先端のパフォーマンスを提供します。
プロジェクト間の異常検出は、1つのプロジェクトペアで可能である。
論文 参考訳(メタデータ) (2021-04-15T09:23:32Z) - Self-Supervised Log Parsing [59.04636530383049]
大規模ソフトウェアシステムは、大量の半構造化ログレコードを生成する。
既存のアプローチは、ログ特化や手動ルール抽出に依存している。
本稿では,自己教師付き学習モデルを用いて解析タスクをマスク言語モデリングとして定式化するNuLogを提案する。
論文 参考訳(メタデータ) (2020-03-17T19:25:25Z) - Evaluating Logical Generalization in Graph Neural Networks [59.70452462833374]
グラフニューラルネットワーク(GNN)を用いた論理一般化の課題について検討する。
ベンチマークスイートであるGraphLogでは、学習アルゴリズムが異なる合成論理でルール誘導を実行する必要がある。
モデルが一般化し適応する能力は、トレーニング中に遭遇する論理規則の多様性によって強く決定される。
論文 参考訳(メタデータ) (2020-03-14T05:45:55Z)
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。