Fugu-MT 論文翻訳(概要): SHREC: a SRE Behaviour Knowledge Graph Model for Shell Command Recommendations

論文の概要: SHREC: a SRE Behaviour Knowledge Graph Model for Shell Command Recommendations

arxiv url: http://arxiv.org/abs/2408.05592v1
Date: Sat, 10 Aug 2024 16:32:29 GMT
ステータス: 処理完了
システム内更新日: 2024-08-13 18:12:00.952938
Title: SHREC: a SRE Behaviour Knowledge Graph Model for Shell Command Recommendations
Title（参考訳）: SHREC:シェルコマンド勧告のためのSRE行動知識グラフモデル
Authors: Andrea Tonon, Bora Caglayan, MingXue Wang, Peng Hu, Fei Shen, Puchao Zhang,
Abstract要約: ITシステムオペレーションでは、シェルコマンドは日々のタスクにサイト信頼性エンジニア(SRE)が使用する一般的なコマンドラインツールである。本研究では,シェルコマンドレコメンデーションのためのSRE行動知識グラフモデルであるSHRECを提案する。知識グラフは、SRE操作効率を改善するために、リアルタイムでシェルコマンドレコメンデーションを提供するために使用される。
参考スコア（独自算出の注目度）: 6.927142937600691
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In IT system operations, shell commands are common command line tools used by site reliability engineers (SREs) for daily tasks, such as system configuration, package deployment, and performance optimization. The efficiency in their execution has a crucial business impact since shell commands very often aim to execute critical operations, such as the resolution of system faults. However, many shell commands involve long parameters that make them hard to remember and type. Additionally, the experience and knowledge of SREs using these commands are almost always not preserved. In this work, we propose SHREC, a SRE behaviour knowledge graph model for shell command recommendations. We model the SRE shell behaviour knowledge as a knowledge graph and propose a strategy to directly extract such a knowledge from SRE historical shell operations. The knowledge graph is then used to provide shell command recommendations in real-time to improve the SRE operation efficiency. Our empirical study based on real shell commands executed in our company demonstrates that SHREC can improve the SRE operation efficiency, allowing to share and re-utilize the SRE knowledge.
Abstract（参考訳）: ITシステムオペレーションでは、シェルコマンドは、システム構成、パッケージデプロイメント、パフォーマンス最適化といった日々のタスクにサイト信頼性エンジニア(SRE)が使用する一般的なコマンドラインツールである。シェルコマンドは、システム障害の解決など、重要な操作の実行を目標とすることが多いため、実行の効率性は重要なビジネス上の影響を受けます。しかし、多くのシェルコマンドは、記憶や型付けを難しくする長いパラメータを含んでいる。さらに、これらのコマンドを使ったSREの経験と知識は、ほとんど常に保存されない。本研究では,シェルコマンドレコメンデーションのためのSRE行動知識グラフモデルであるSHRECを提案する。我々は,SREシェル行動知識を知識グラフとしてモデル化し,SREシェルの履歴操作から直接知識を抽出する戦略を提案する。知識グラフは、SRE操作効率を改善するために、リアルタイムでシェルコマンドレコメンデーションを提供するために使用される。我々の社内で実行された実シェルコマンドに基づく実証研究は、SHRECがSRE操作効率を向上し、SRE知識の共有と再利用を可能にすることを実証している。

関連論文リスト

P-RAG: Progressive Retrieval Augmented Generation For Planning on Embodied Everyday Task [94.08478298711789]
Embodied Everyday Taskは、インボディードAIコミュニティで人気のあるタスクである。自然言語命令は明示的なタスクプランニングを欠くことが多い。タスク環境に関する知識をモデルに組み込むには、広範囲なトレーニングが必要である。
論文参考訳（メタデータ） (2024-09-17T15:29:34Z)
ScriptSmith: A Unified LLM Framework for Enhancing IT Operations via Automated Bash Script Generation, Assessment, and Refinement [3.685819758139424]
本稿では,大規模言語モデル(LLM)を用いて,スクリプト生成,評価,改良のためのアクション自動化の革新的アプローチを提案する。実験では、SREで一般的に使用されるツールであるBashスクリプトにフォーカスし、100タスクのCodeSiftデータセットと153タスクのInterCodeデータセットを含む。結果は、このフレームワークがスクリプト生成において7～10%の全体的な改善を示していることを示している。
論文参考訳（メタデータ） (2024-09-12T15:11:43Z)
RACONTEUR: A Knowledgeable, Insightful, and Portable LLM-Powered Shell Command Explainer [27.905830660931414]
大きな言語モデル(LLM)は、シェルコマンドの理解可能な説明を生成する可能性を解放した。本稿では, LLMを用いた知識, 表現, 携帯型シェルコマンド説明装置であるRaconteurを紹介する。 Raconteurには、シェルコマンドに関する包括的な説明を提供するための専門的な知識が注がれている。
論文参考訳（メタデータ） (2024-09-03T17:22:00Z)
Efficient and Deployable Knowledge Infusion for Open-World Recommendations via Large Language Models [53.547190001324665]
大規模言語モデル(LLM)からユーザとアイテムに関する2種類の外部知識を取得するためのREKIを提案する。個別の知識抽出と個別の知識抽出を,異なるシナリオのスケールに合わせて開発し,オフラインのリソース消費を効果的に削減する。実験によると、REKIは最先端のベースラインより優れており、多くの推奨アルゴリズムやタスクと互換性がある。
論文参考訳（メタデータ） (2024-08-20T03:45:24Z)
How to Understand Whole Software Repository? [64.19431011897515]
リポジトリ全体に対する優れた理解は、自動ソフトウェアエンジニアリング(ASE)への重要な道になるでしょう。本研究では,リポジトリ全体を包括的に理解するためのエージェントによるRepoUnderstanderという新しい手法を開発した。リポジトリレベルの知識をより活用するために、エージェントをまとめ、分析し、計画する。
論文参考訳（メタデータ） (2024-06-03T15:20:06Z)
Lifelong Knowledge Editing for LLMs with Retrieval-Augmented Continuous Prompt Learning [30.554641380670315]
本稿では,生涯学習における編集効率と推論効率を向上させるために,ContInuous Prompt lEarning法であるRECIPEを紹介する。 RECIPEはまず、知識文をLLMの入力クエリの埋め込みにプレフィックスした、短くて情報的な連続的なプロンプトに変換する。さらに、動的しきい値を計算するために仲介役として機能する知識センチネル(KS)を統合する。我々のレトリバーとプロンプトエンコーダは、信頼性、一般性、局所性といった編集特性を達成するために共同で訓練されている。
論文参考訳（メタデータ） (2024-05-06T08:52:11Z)
EASRec: Elastic Architecture Search for Efficient Long-term Sequential Recommender Systems [82.76483989905961]
現在のSRS(Sequential Recommender Systems)は、計算とリソースの非効率に悩まされている。我々は、効率的な長期シーケンスレコメンダシステム(EASRec)のための弾性アーキテクチャー探索を開発する。 EASRecは、入力データバッチから履歴情報を活用するデータ認識ゲートを導入し、レコメンデーションネットワークの性能を改善する。
論文参考訳（メタデータ） (2024-02-01T07:22:52Z)
Self-Knowledge Guided Retrieval Augmentation for Large Language Models [59.771098292611846]
大規模言語モデル(LLM)はタスク固有の微調整なしで優れた性能を示す。検索に基づく手法は、非パラメトリックな世界知識を提供し、質問応答のようなタスクのパフォーマンスを向上させることができる。 SKR(Self-Knowledge guided Retrieval augmentation)は、LLMがこれまで遭遇した質問を参照できるようにする、シンプルで効果的な方法である。
論文参考訳（メタデータ） (2023-10-08T04:22:33Z)
Improving Unsupervised Visual Program Inference with Code Rewriting Families [21.515789221802493]
視覚データからプログラムを推論するシステムを改善するために,コード書き換えがいかに役立つかを示す。教師なしブートストラップ学習のためのフレームワークであるSparse Intermittent Rewrite Injection (SIRI)を提案する。我々は、パラメータ最適化、コードプルーニング、コードグラフトといった、ビジュアルプログラミング領域のための書き換え器のファミリーを設計する。
論文参考訳（メタデータ） (2023-09-26T14:44:48Z)
Learning to Ask Conversational Questions by Optimizing Levenshtein Distance [83.53855889592734]
明示的な編集動作によって最小レベンシュテイン距離(MLD)を最適化する強化反復シーケンス編集(RISE)フレームワークを導入する。 RISEは会話の特徴に関連するトークンに注意を払うことができる。 2つのベンチマークデータセットの実験結果から、RISEは最先端の手法を大幅に上回っていることがわかった。
論文参考訳（メタデータ） (2021-06-30T08:44:19Z)
Recovery command generation towards automatic recovery in ICT systems by Seq2Seq learning [11.387419806996599]
本稿では,ニューラルネットワークモデルであるSeq2Seqを用いて,回復コマンドを推定する手法を提案する。新たな障害が発生した場合、収集したログに基づいて、障害から回復する有効なコマンドを推定する。
論文参考訳（メタデータ） (2020-03-24T11:34:10Z)

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。