論文の概要: Ticket-BERT: Labeling Incident Management Tickets with Language Models
- arxiv url: http://arxiv.org/abs/2307.00108v1
- Date: Fri, 30 Jun 2023 19:48:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-05 18:01:02.819719
- Title: Ticket-BERT: Labeling Incident Management Tickets with Language Models
- Title（参考訳）: Ticket-BERT: 言語モデルによるインシデント管理チケットのラベル付け
- Authors: Zhexiong Liu, Cris Benge, Siduo Jiang
- Abstract要約: Ticket-BERTは、提案されたチケットデータセットを使用してチケットをラベル付けするための単純だが堅牢な言語モデルを訓練する。
さらに、Ticket-BERTをアクティブな学習サイクルでカプセル化し、Microsoft IcMシステムにデプロイする。
- 参考スコア（独自算出の注目度）: 1.6556358263455926
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: An essential aspect of prioritizing incident tickets for resolution is
efficiently labeling tickets with fine-grained categories. However, ticket data
is often complex and poses several unique challenges for modern machine
learning methods: (1) tickets are created and updated either by machines with
pre-defined algorithms or by engineers with domain expertise that share
different protocols, (2) tickets receive frequent revisions that update ticket
status by modifying all or parts of ticket descriptions, and (3) ticket
labeling is time-sensitive and requires knowledge updates and new labels per
the rapid software and hardware improvement lifecycle. To handle these issues,
we introduce Ticket- BERT which trains a simple yet robust language model for
labeling tickets using our proposed ticket datasets. Experiments demonstrate
the superiority of Ticket-BERT over baselines and state-of-the-art text
classifiers on Azure Cognitive Services. We further encapsulate Ticket-BERT
with an active learning cycle and deploy it on the Microsoft IcM system, which
enables the model to quickly finetune on newly-collected tickets with a few
annotations.
- Abstract（参考訳）: 解決のためのインシデントチケットの優先順位付けの重要な側面は、きめ細かいカテゴリのチケットを効率的にラベル付けすることである。
However, ticket data is often complex and poses several unique challenges for modern machine learning methods: (1) tickets are created and updated either by machines with pre-defined algorithms or by engineers with domain expertise that share different protocols, (2) tickets receive frequent revisions that update ticket status by modifying all or parts of ticket descriptions, and (3) ticket labeling is time-sensitive and requires knowledge updates and new labels per the rapid software and hardware improvement lifecycle.
これらの問題に対処するために,提案するチケットデータセットを用いて,簡易かつロバストなチケットラベリング言語モデルをトレーニングするticket-bertを導入する。
実験は、azure cognitive services上のベースラインや最先端テキスト分類器よりもticket-bertが優れていることを示す。
さらに、ticket-bertをアクティブな学習サイクルでカプセル化し、それをmicrosoft icmシステムにデプロイすることで、モデルが新しく収集したチケットにいくつかのアノテーションで素早く微調整することができる。
関連論文リスト
- A Simple Baseline for Predicting Events with Auto-Regressive Tabular Transformers [70.20477771578824]
イベント予測への既存のアプローチには、タイムアウェアな位置埋め込み、学習行とフィールドエンコーディング、クラス不均衡に対処するオーバーサンプリング方法などがある。
基本位置埋め込みと因果言語モデリングの目的を持つ標準自己回帰型LPM変換器を用いて,単純だが柔軟なベースラインを提案する。
私たちのベースラインは、一般的なデータセットで既存のアプローチよりも優れており、さまざまなユースケースに使用することができます。
論文 参考訳（メタデータ） (2024-10-14T15:59:16Z) - TF-CLIP: Learning Text-free CLIP for Video-based Person
Re-Identification [60.5843635938469]
ビデオベースのReIDのための一段階のテキストフリーCLIP学習フレームワークTF-CLIPを提案する。
より具体的には、テキスト機能を置き換えるために、アイデンティティ固有のシーケンス機能をCLIPメモリとして抽出する。
提案手法は,MARS,LS-VID,iLIDS-VIDの他の最先端手法よりも優れた結果を示す。
論文 参考訳（メタデータ） (2023-12-15T09:10:05Z) - FLIP: Fine-grained Alignment between ID-based Models and Pretrained Language Models for CTR Prediction [49.510163437116645]
クリックスルーレート(CTR)予測は、パーソナライズされたオンラインサービスにおいてコア機能モジュールとして機能する。
CTR予測のための従来のIDベースのモデルは、表形式の1ホットエンコードされたID特徴を入力として取る。
事前訓練された言語モデル(PLM)は、テキストのモダリティの文を入力として取る別のパラダイムを生み出した。
本稿では,CTR予測のためのIDベースモデルと事前学習言語モデル(FLIP)間の細粒度特徴レベルのアライメントを提案する。
論文 参考訳（メタデータ） (2023-10-30T11:25:03Z) - Substituting Data Annotation with Balanced Updates and Collective Loss
in Multi-label Text Classification [19.592985329023733]
MLTC(Multi-label text classification)は、あるテキストに複数のラベルを割り当てるタスクである。
本報告では,MLTCの問題点を,ラベル数に比例して,利用可能な監視信号の大きさが線形であるアノテーションフリーおよび希少アノテーション設定で検討する。
提案手法は,(1)事前学習した言語モデルを用いて,入力テキストを事前ラベル候補の集合にマッピングし,(2)ラベル記述による署名付きラベル依存グラフの計算,(3)ラベル依存グラフに沿ったメッセージパスによる事前ラベル候補の更新を行う。
論文 参考訳（メタデータ） (2023-09-24T04:12:52Z) - Exploring Structured Semantic Prior for Multi Label Recognition with
Incomplete Labels [60.675714333081466]
不完全なラベルを持つマルチラベル認識(MLR)は非常に難しい。
最近の研究は、視覚言語モデルであるCLIPにおける画像とラベルの対応を探り、不十分なアノテーションを補うことを目指している。
我々は,MLRにおけるラベル管理の欠如を,構造化されたセマンティクスを導出することにより,不完全なラベルで修復することを提唱する。
論文 参考訳（メタデータ） (2023-03-23T12:39:20Z) - Label Semantics for Few Shot Named Entity Recognition [68.01364012546402]
名前付きエンティティ認識におけるショットラーニングの問題について検討する。
我々は,ラベル名中の意味情報を,モデルに付加的な信号を与え,よりリッチな事前情報を与える手段として活用する。
本モデルは,第1エンコーダによって計算された名前付きエンティティの表現と,第2エンコーダによって計算されたラベル表現とを一致させることを学習する。
論文 参考訳（メタデータ） (2022-03-16T23:21:05Z) - Hierarchical Character Tagger for Short Text Spelling Error Correction [27.187562419222218]
短文スペル誤り訂正のための階層的文字タガーモデル(HCTagger)を提案する。
文字レベルの事前訓練された言語モデルをテキストエンコーダとして使用し、文字レベルの編集を予測して、元のテキストをエラーのない形式に変換し、ラベル空間をはるかに小さくする。
2つの公開ミススペル補正データセットの実験では、HCTaggerは既存のモデルよりも正確ではるかに高速なアプローチであることが示されている。
論文 参考訳（メタデータ） (2021-09-29T08:04:34Z) - Super Tickets in Pre-Trained Language Models: From Model Compression to
Improving Generalization [65.23099004725461]
非常に過度にパラメータ化されたモデルにおいて,このようなチケットのコレクションを「勝利チケット」と呼ぶ。
また, ある圧縮比において, 当選チケットの一般化性能は, 一致しただけでなく, フルモデルを上回ることが確認された。
論文 参考訳（メタデータ） (2021-05-25T15:10:05Z) - Classifying the Unstructured IT Service Desk Tickets Using Ensemble of
Classifiers [0.0]
ITサービスデスクのチケットを手動で分類することで、チケットを間違った解決グループにルーティングすることができる。
従来の機械学習アルゴリズムは、itサービスデスクチケットの自動分類に使用できる。
従来の分類器システムの性能は、様々な分類技法を用いてさらに向上することができる。
論文 参考訳（メタデータ） (2021-03-30T04:35:51Z) - Research on Fast Text Recognition Method for Financial Ticket Image [5.371241477007343]
金融会計の分野では、チケット数の増加が激増し、労働コストが劇的に増加する。
本論文は,まず482種類の金融チケットの特徴を解析し,すべての金融チケットを3つのカテゴリに分け,各カテゴリごとに異なる認識パターンを提案する。
財務チケットテキストの特性に応じて、より高い認識精度を得るために、損失関数、地域提案ネットワーク(RPN)および非最大抑制(NMS)が改善されます。
論文 参考訳（メタデータ） (2021-01-05T01:42:35Z)
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。