論文の概要: FastLog: An End-to-End Method to Efficiently Generate and Insert Logging Statements

• arxiv url: http://arxiv.org/abs/2311.02862v2
• Date: Fri, 29 Mar 2024 11:56:27 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-01 20:26:59.918658
• Title: FastLog: An End-to-End Method to Efficiently Generate and Insert Logging Statements
• Title（参考訳）: FastLog: 効率的なロギングステートメントの生成と挿入を行うエンドツーエンドメソッド
• Authors: Xiaoyuan Xie, Zhipeng Cai, Songqiang Chen, Jifeng Xuan,
• Abstract要約: 我々は、完全なロギングステートメントの生成と挿入アクティビティをサポートするFastLogを提案する。 FastLogは最初、最も優れたトークンレベルの挿入位置を予測し、次に挿入する完全なロギングステートメントを生成する。 総合的な実証分析により,本手法は効率と出力品質の両方において最先端の手法より優れていることが示された。
• 参考スコア（独自算出の注目度）: 5.80502312468937
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Logs play a crucial role in modern software systems, serving as a means for developers to record essential information for future software maintenance. As the performance of these log-based maintenance tasks heavily relies on the quality of logging statements, various works have been proposed to assist developers in writing appropriate logging statements. However, these works either only support developers in partial sub-tasks of this whole activity; or perform with a relatively high time cost and may introduce unwanted modifications. To address their limitations, we propose FastLog, which can support the complete logging statement generation and insertion activity, in a very speedy manner. Specifically, given a program method, FastLog first predicts the insertion position in the finest token level, and then generates a complete logging statement to insert. We further use text splitting for long input texts to improve the accuracy of predicting where to insert logging statements. A comprehensive empirical analysis shows that our method outperforms the state-of-the-art approach in both efficiency and output quality, which reveals its great potential and practicality in current real-time intelligent development environments.
• Abstract（参考訳）: ログは現代のソフトウェアシステムにおいて重要な役割を担い、開発者は将来のソフトウェア保守に不可欠な情報を記録できる手段となる。 これらのログベースのメンテナンスタスクのパフォーマンスはロギングステートメントの品質に大きく依存しているため、開発者が適切なロギングステートメントを書くのを支援するためにさまざまな作業が提案されている。 しかしながら、これらの作業は、このアクティビティ全体の部分的なサブタスクで開発者のみをサポートするか、比較的高いコストで実行するか、望ましくない修正を導入する可能性がある。 これらの制限に対処するために、我々はFastLogを提案する。これは、非常に高速な方法で、完全なロギングステートメントの生成と挿入アクティビティをサポートすることができる。 具体的には、プログラムメソッドが与えられた場合、FastLogはまず最も優れたトークンレベルの挿入位置を予測し、次に挿入する完全なロギングステートメントを生成する。 さらに、長い入力テキストに対してテキスト分割を使用して、ロギングステートメントを挿入する場所を予測する精度を向上させる。 総合的な実証分析により,本手法は効率と出力品質の両方において最先端の手法よりも優れており,現状のリアルタイム知的開発環境におけるその可能性と実用性を示している。

関連論文リスト

• Studying and Benchmarking Large Language Models For Log Level Suggestion [49.176736212364496]
  大規模言語モデル(LLM)は、様々な領域で研究の焦点となっている。 本稿では,12個のオープンソースLCMのログレベル提案における性能に及ぼす特性と学習パラダイムの影響について検討する。
  論文  参考訳（メタデータ） (2024-10-11T03:52:17Z)
• Log Statements Generation via Deep Learning: Widening the Support Provided to Developers [16.079459379684554]
  LANCEはディープラーニング(DL)に根ざしたアプローチで、Javaメソッドにログステートメントを正しく注入する能力を示している。 本稿では,ログステートメントを含まないメソッドを識別するDLベースの手法であるLEONIDを提案する。
  論文  参考訳（メタデータ） (2023-11-08T10:31:18Z)
• A Large-Scale Evaluation for Log Parsing Techniques: How Far Are We? [42.56249610409624]
  実世界のソフトウェアシステムにおけるログデータの特徴をよりよく反映できる,アノテーション付きログデータセットの新たなコレクションであるLoghub-2.0を提供する。 我々は、より厳密で実践的な設定で15の最先端ログを徹底的に再評価し、特に、既存のメトリクスの非バランスなデータ分布に対する感度を緩和する新しい評価基準を導入する。
  論文  参考訳（メタデータ） (2023-08-21T16:24:15Z)
• Log Parsing Evaluation in the Era of Modern Software Systems [47.370291246632114]
  自動ログ分析、ログ解析は、ログから洞察を導き出すための前提条件である。 本研究は,ログ解析分野の問題点,特に異種実世界のログ処理における非効率性を明らかにする。 本稿では,企業コンテキストにおけるログ解析性能を推定するツールであるLogchimeraを提案する。
  論文  参考訳（メタデータ） (2023-08-17T14:19:22Z)
• Are They All Good? Studying Practitioners' Expectations on the Readability of Log Messages [18.823475517909884]
  ログメッセージの重要性にもかかわらず、ログメッセージの可読性を構成する標準がまだ不足している。 我々は,ログメッセージの可読性に対する期待を調査するため,産業従事者17人と一連のインタビューを行った。 ディープラーニングモデルと機械学習モデルの両方が、平均80.0%以上のバランスの取れた精度でログメッセージの読みやすさを効果的に分類できることがわかった。
  論文  参考訳（メタデータ） (2023-08-17T07:53:24Z)
• LongCoder: A Long-Range Pre-trained Language Model for Code Completion [56.813974784131624]
  LongCoderは自己アテンションにスライディングウィンドウ機構を採用し、グローバルアクセス可能なトークンを2種類導入している。 ブリッジトークンは入力シーケンス全体を通して挿入され、ローカル情報を集約し、グローバルな相互作用を促進する。 メモリトークンは、後で呼び出され、記憶する必要がある重要なステートメントをハイライトするために含まれます。
  論文  参考訳（メタデータ） (2023-06-26T17:59:24Z)
• Unified Pretraining Framework for Document Understanding [52.224359498792836]
  文書理解のための統合事前学習フレームワークであるUDocを紹介する。 UDocは、ほとんどのドキュメント理解タスクをサポートするように設計されており、Transformerを拡張してマルチモーダル埋め込みを入力とする。 UDocの重要な特徴は、3つの自己管理的損失を利用して汎用的な表現を学ぶことである。
  論文  参考訳（メタデータ） (2022-04-22T21:47:04Z)
• Data-Driven Approach for Log Instruction Quality Assessment [59.04636530383049]
  優れた品質特性を持つログ命令の記述方法に関するガイドラインは,広く採用されていない。 1)ログレベルの正確さを評価するための正しいログレベルの割り当てと,2)イベント記述の冗長化に必要な静的テキストの最小富度を評価する十分な言語構造である。 本手法は,F1スコア0.99の十分な言語構造を用いて,ログレベルの割当を精度0.88で正確に評価する。
  論文  参考訳（メタデータ） (2022-04-06T07:02:23Z)
• Borrowing from Similar Code: A Deep Learning NLP-Based Approach for Log Statement Automation [0.0]
  ログステートメントの位置を予測するために,更新および改良されたログ対応コードクローン検出手法を提案する。 我々は,自然言語処理(NLP)と深層学習手法を組み込んで,ログステートメントの記述予測を自動化する。 解析の結果、我々のハイブリッドNLPとコードクローン検出手法(NLP CC'd)は、ログステートメントの場所を見つける際に従来のクローン検出器よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2021-12-02T14:03:49Z)
• 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)

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。