論文の概要: Learning Context-Aware Service Representation for Service Recommendation
in Workflow Composition
- arxiv url: http://arxiv.org/abs/2205.11771v1
- Date: Tue, 24 May 2022 04:18:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-25 15:22:29.704956
- Title: Learning Context-Aware Service Representation for Service Recommendation
in Workflow Composition
- Title(参考訳): ワークフロー構成におけるサービスレコメンデーションのためのコンテキスト対応サービス表現の学習
- Authors: Xihao Xie, Jia Zhang, Rahul Ramachandran, Tsengdar J. Lee, Seungwon
Lee
- Abstract要約: 本稿では,ワークフロー開発プロセス全体でのサービス推奨に対して,NLPにインスパイアされた新たなアプローチを提案する。
ワークフロー構成プロセスは、ステップワイドでコンテキスト対応のサービス生成手順として形式化される。
サービス埋め込みは、NLPフィールドからディープラーニングモデルを適用することで学習される。
- 参考スコア(独自算出の注目度): 6.17189383632496
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As increasingly more software services have been published onto the Internet,
it remains a significant challenge to recommend suitable services to facilitate
scientific workflow composition. This paper proposes a novel NLP-inspired
approach to recommending services throughout a workflow development process,
based on incrementally learning latent service representation from workflow
provenance. A workflow composition process is formalized as a step-wise,
context-aware service generation procedure, which is mapped to next-word
prediction in a natural language sentence. Historical service dependencies are
extracted from workflow provenance to build and enrich a knowledge graph. Each
path in the knowledge graph reflects a scenario in a data analytics experiment,
which is analogous to a sentence in a conversation. All paths are thus
formalized as composable service sequences and are mined, using various
patterns, from the established knowledge graph to construct a corpus. Service
embeddings are then learned by applying deep learning model from the NLP field.
Extensive experiments on the real-world dataset demonstrate the effectiveness
and efficiency of the approach.
- Abstract(参考訳): ますます多くのソフトウェアサービスがインターネットに公開されてきているが、科学的なワークフロー構成を促進するために適切なサービスを推奨することは依然として重要な課題である。
本稿では,ワークフロー前駆者から段階的に学習する潜在サービス表現に基づいて,ワークフロー開発プロセス全体を通してサービスを推奨する,新たなNLP型アプローチを提案する。
ワークフロー合成プロセスは、ステップワイズでコンテキスト対応のサービス生成手順として形式化され、自然言語文中の次の単語予測にマッピングされる。
履歴サービス依存は、知識グラフの構築と強化のためにワークフローの成果から抽出される。
知識グラフの各経路は、会話中の文に類似したデータ分析実験のシナリオを反映している。
したがって、全ての経路は構成可能なサービスシーケンスとして形式化され、確立された知識グラフから様々なパターンを用いてコーパスを構築する。
サービス埋め込みは、NLPフィールドからディープラーニングモデルを適用することで学習される。
実世界のデータセットに関する広範な実験は、このアプローチの有効性と効率を示している。
関連論文リスト
- Exploring Large Language Model for Graph Data Understanding in Online
Job Recommendations [63.19448893196642]
本稿では,大規模言語モデルが提供するリッチな文脈情報と意味表現を利用して行動グラフを解析する新しいフレームワークを提案する。
この機能を利用することで、個々のユーザに対してパーソナライズされた、正確なジョブレコメンデーションが可能になる。
論文 参考訳(メタデータ) (2023-07-10T11:29:41Z) - A Unified Active Learning Framework for Annotating Graph Data with
Application to Software Source Code Performance Prediction [4.572330678291241]
ソフトウェアの性能予測を専門とする一貫したアクティブラーニングフレームワークを開発した。
能動的・受動的学習に異なるレベルの情報を用いることが与える影響について検討する。
我々のアプローチは、異なるソフトウェアパフォーマンス予測のためのAIモデルへの投資を改善することを目的としています。
論文 参考訳(メタデータ) (2023-04-06T14:00:48Z) - Goal-Driven Context-Aware Next Service Recommendation for Mashup
Composition [6.17189383632496]
サービス発見とレコメンデーションは、学術と産業の両方で大きな勢いを惹きつけてきた。
本稿では, 建設中のマッシュアップのコンテキストに基づいて, 新たなリコメンデーション・アズ・ユー・ゴー手法を提案する。
論文 参考訳(メタデータ) (2022-10-25T16:24:21Z) - Schema-aware Reference as Prompt Improves Data-Efficient Knowledge Graph
Construction [57.854498238624366]
本稿では,データ効率のよい知識グラフ構築のためのRAP(Schema-Aware Reference As Prompt)の検索手法を提案する。
RAPは、人間の注釈付きおよび弱教師付きデータから受け継いだスキーマと知識を、各サンプルのプロンプトとして動的に活用することができる。
論文 参考訳(メタデータ) (2022-10-19T16:40:28Z) - Nemo: Guiding and Contextualizing Weak Supervision for Interactive Data
Programming [77.38174112525168]
私たちは、WS 学習パイプラインの全体的な生産性を、一般的な WS 監督アプローチと比較して平均20%(最大 47% のタスク)改善する、エンドツーエンドのインタラクティブなスーパービジョンシステムである Nemo を紹介します。
論文 参考訳(メタデータ) (2022-03-02T19:57:32Z) - A Deep Reinforcement Learning Approach for Composing Moving IoT Services [0.12891210250935145]
本稿では,移動領域としてモデル化されたクラウドソース型サービスモデルを提案する。
動作中のIoTサービスを選択し,構成するための,深層強化学習に基づく合成手法を提案する。
2つの実世界のデータセットに対する実験は、深層強化学習に基づくアプローチの有効性と効率性を検証する。
論文 参考訳(メタデータ) (2021-11-06T22:02:31Z) - Exploring the potential of flow-based programming for machine learning
deployment in comparison with service-oriented architectures [8.677012233188968]
理由のひとつは、データ収集と分析に関するアクティビティのために設計されていないインフラストラクチャである、と私たちは論じています。
本稿では,データストリームを用いたフローベースのプログラミングを,ソフトウェアアプリケーション構築に広く使用されるサービス指向アーキテクチャの代替として検討する。
論文 参考訳(メタデータ) (2021-08-09T15:06:02Z) - A Data-Centric Framework for Composable NLP Workflows [109.51144493023533]
アプリケーションドメインにおける経験的自然言語処理システム(例えば、ヘルスケア、ファイナンス、教育)は、複数のコンポーネント間の相互運用を伴う。
我々は,このような高度なNLPの高速な開発を支援するために,統一的なオープンソースフレームワークを構築した。
論文 参考訳(メタデータ) (2021-03-02T16:19:44Z) - Knowledge-Aware Procedural Text Understanding with Multi-Stage Training [110.93934567725826]
本稿では,このような文書の理解とプロセス中のエンティティの状態や場所の追跡を目的とした手続き的テキスト理解の課題に焦点をあてる。
常識的推論の難しさとデータ不足という2つの課題はまだ未解決のままである。
我々は、複数の外部知識を効果的に活用する、KnOwledge-Aware ProceduraL text understAnding (KOALA)モデルを提案する。
論文 参考訳(メタデータ) (2020-09-28T10:28:40Z) - Exploring the Limits of Transfer Learning with a Unified Text-to-Text
Transformer [64.22926988297685]
下流タスクで微調整される前に、まずデータリッチタスクでモデルが事前訓練されるトランスファーラーニングは、自然言語処理(NLP)において強力な手法として登場した。
本稿では,すべてのテキストベースの言語問題をテキスト・トゥ・テキスト・フォーマットに変換する統一フレームワークにより,NLPのためのトランスファー学習手法を導入する状況について検討する。
論文 参考訳(メタデータ) (2019-10-23T17:37:36Z)
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。