論文の概要: End-to-end solution for linked open data query logs analytics

• arxiv url: http://arxiv.org/abs/2403.06016v1
• Date: Sat, 9 Mar 2024 21:29:40 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-13 09:09:46.887222
• Title: End-to-end solution for linked open data query logs analytics
• Title（参考訳）: linked open data query logs分析のためのエンドツーエンドソリューション
• Authors: Dihia Lanasri
• Abstract要約: ユーザの深い理解は、強力な意思決定に影響を与える可能性のある有用な知識を提供する。 本稿では,Linked Open Data (LOD) クエリログから貴重な情報を抽出したい。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Important advances in pillar domains are derived from exploiting query-logs which represents users interest and preferences. Deep understanding of users provides useful knowledge which can influence strongly decision-making. In this work, we want to extract valuable information from Linked Open Data (LOD) query-logs. LOD logs have experienced significant growth due to the large exploitation of LOD datasets. However, exploiting these logs is a difficult task because of their complex structure. Moreover, these logs suffer from many risks related to their Quality and Provenance, impacting their trust. To tackle these issues, we start by clearly defining the ecosystem of LOD query-logs. Then, we provide an end-to-end solution to exploit these logs. At the end, real LOD logs are used and a set of experiments are conducted to validate the proposed solution.
• Abstract（参考訳）: 柱ドメインにおける重要な進歩は、ユーザの興味や好みを表すクエリログを活用することに由来する。 ユーザの深い理解は、強い意思決定に影響を与える有用な知識を提供する。 本稿では,Linked Open Data (LOD) クエリログから貴重な情報を抽出したい。 LODログは、LODデータセットの大規模な活用により、大きな成長を遂げている。 しかし、これらのログの利用は複雑な構造のため難しい作業である。 さらに、これらのログは品質と成功に関連する多くのリスクに悩まされ、信頼に影響を与えます。 これらの問題に対処するために、LODクエリログのエコシステムを明確に定義することから始めます。 そして、これらのログを利用するエンドツーエンドのソリューションを提供します。 最後に、実際のLODログを使用し、提案したソリューションを検証するための一連の実験を行う。

関連論文リスト

• ULog: Unsupervised Log Parsing with Large Language Models through Log Contrastive Units [34.344687402936835]
  ULogは,効率的かつ既製のログ解析のための教師なしの手法である。 ログのこのようなグループをログコントラスト単位(Log Contrastive Units, LCU)と呼ぶ。 ULogは、LLMがコントラストパターンを特定し、LCUから意味のあるログ構造を抽出するための、新しい解析プロンプトを作成する。
  論文  参考訳（メタデータ） (2024-06-11T11:32:01Z)
• T-curator: a trust based curation tool for LOD logs [0.0]
  SPARQLクエリログは、意思決定者のためのアセットを表示することができる。 これらのログの単純で分かりやすい利用はリスクが大きすぎる。 我々は、これらのLODログを活用する前に、インタラクティブで直感的な信頼ベースのツールを提案する。
  論文  参考訳（メタデータ） (2024-05-11T19:32:27Z)
• Multi-modal Causal Structure Learning and Root Cause Analysis [67.67578590390907]
  根本原因局所化のためのマルチモーダル因果構造学習手法であるMulanを提案する。 ログ選択言語モデルを利用してログ表現学習を行い、ログシーケンスを時系列データに変換する。 また、モダリティの信頼性を評価し、最終因果グラフを共同学習するための新しいキーパフォーマンスインジケータ対応アテンション機構も導入する。
  論文  参考訳（メタデータ） (2024-02-04T05:50:38Z)
• 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)
• GLAD: Content-aware Dynamic Graphs For Log Anomaly Detection [49.9884374409624]
  GLADは、システムログの異常を検出するように設計されたグラフベースのログ異常検出フレームワークである。 システムログの異常を検出するために設計されたグラフベースのログ異常検出フレームワークであるGLADを紹介する。
  論文  参考訳（メタデータ） (2023-09-12T04:21:30Z)
• 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)
• On the Effectiveness of Log Representation for Log-based Anomaly Detection [12.980238412281471]
  本研究は,従来のログ解析研究から広く採用されているログ表現技術について検討し,比較する。 6つのログ表現手法を選択し、7つのMLモデルと4つの公開ログデータセットで評価する。 また、ログ表現技術を採用する際に、ログ解析プロセスと異なる特徴集約アプローチの影響についても検討する。
  論文  参考訳（メタデータ） (2023-08-17T02:18:59Z)
• Robust and Transferable Anomaly Detection in Log Data using Pre-Trained Language Models [59.04636530383049]
  クラウドのような大規模コンピュータシステムにおける異常や障害は、多くのユーザに影響を与える。 システム情報の主要なトラブルシューティングソースとして,ログデータの異常検出のためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-23T09:17:05Z)

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。