論文の概要: Comparison of Information Retrieval Techniques Applied to IT Support Tickets

• arxiv url: http://arxiv.org/abs/2508.05654v1
• Date: Tue, 29 Jul 2025 03:25:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-17 22:58:06.121031
• Title: Comparison of Information Retrieval Techniques Applied to IT Support Tickets
• Title（参考訳）: IT支援ティケットにおける情報検索手法の比較
• Authors: Leonardo Santiago Benitez Pereira, Robinson Pizzio, Samir Bonho,
• Abstract要約: この研究は、ITサポートチケットのデータセットにおける11のInformation Retrievalテクニックを比較します。 The best results were obtained with the Sentence-BERT technique, in the multi-language variation distilluse-base-multilingual-cased-v1。 TF-IDF (69.0%)、Word2vec (68.7%)、LDA (66.3%) も一貫した結果を得た。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Institutions dependent on IT services and resources acknowledge the crucial significance of an IT help desk system, that act as a centralized hub connecting IT staff and users for service requests. Employing various Machine Learning models, these IT help desk systems allow access to corrective actions used in the past, but each model has different performance when applied to different datasets. This work compares eleven Information Retrieval techniques in a dataset of IT support tickets, with the goal of implementing a software that facilitates the work of Information Technology support analysts. The best results were obtained with the Sentence-BERT technique, in its multi-language variation distilluse-base-multilingual-cased-v1, where 78.7% of the recommendations made by the model were considered relevant. TF-IDF (69.0%), Word2vec (68.7%) and LDA (66.3%) techniques also had consistent results. Furthermore, the used datasets and essential parts of coding have been published and made open source. It also demonstrated the practicality of a support ticket recovery system by implementing a minimal viable prototype, and described in detail the implementation of the system. Finally, this work proposed a novel metric for comparing the techniques, whose aim is to closely reflect the perception of the IT analysts about the retrieval quality.
• Abstract（参考訳）: ITサービスやリソースに依存している機関は、ITヘルプデスクシステムの重要な重要性を認識します。 さまざまな機械学習モデルを採用したこれらのITヘルプデスクシステムは、過去に使用した修正アクションへのアクセスを可能にするが、異なるデータセットに適用された場合、各モデルは異なるパフォーマンスを持つ。 この研究は、ITサポートチケットのデータセットにおける11のInformation Retrievalテクニックを比較し、Information Technologyサポートアナリストの作業を促進するソフトウェアを実装することを目的としている。 Sentence-BERT法は, モデルによる推奨品の78.7%が関連していると考えられる多言語変異蒸留-ベース-マルチティンガル-ケースド-v1法において, 最高の結果を得た。 TF-IDF (69.0%)、Word2vec (68.7%)、LDA (66.3%) も一貫した結果を得た。 さらに、使用されるデータセットとコーディングの不可欠な部分が公開され、オープンソース化されている。 また,最小限実行可能なプロトタイプを実装することで,サポートチケット回収システムの実用性を実証し,システムの実装について詳述した。 最後に,本研究は,ITアナリストの検索品質に対する認識を深く反映することを目的とした,技術の比較のための新しい指標を提案する。

関連論文リスト

• Collaborative business intelligence virtual assistant [1.9953434933575993]
  本研究では、ユーザとCBI仮想アシスタントのインタラクションを通じて、分散仮想チームにおけるデータマイニングの応用に焦点を当てる。 CBIのための仮想アシスタントは、より広い範囲のユーザのためのデータ探索アクセシビリティを強化し、データ分析に必要な時間と労力を合理化するためのものである。
  論文  参考訳（メタデータ） (2023-12-20T05:34:12Z)
• OWL: A Large Language Model for IT Operations [40.88170785586197]
  我々は、収集したOWL-Instructデータセットに基づいて訓練された大規模な言語モデルOWLを紹介する。 OWL-BenchにおけるOWLの性能評価とIT関連ベンチマークのオープン化について検討した。
  論文  参考訳（メタデータ） (2023-09-17T15:19:29Z)
• Instruction Tuning for Large Language Models: A Survey [52.86322823501338]
  我々は、教師付き微調整(SFT)の一般的な方法論を含む、文献の体系的なレビューを行う。 また、既存の戦略の欠陥を指摘しながら、SFTの潜在的な落とし穴についても、それに対する批判とともに検討する。
  論文  参考訳（メタデータ） (2023-08-21T15:35:16Z)
• Model-Driven Engineering Method to Support the Formalization of Machine Learning using SysML [0.0]
  本研究は,モデルベース工学を活用した機械学習タスクの協調的定義を支援する手法を提案する。 この方法は、様々なデータソースの識別と統合、データ属性間のセマンティックな関係の定義、データ処理ステップの定義をサポートする。
  論文  参考訳（メタデータ） (2023-07-10T11:33:46Z)
• Making Machine Learning Datasets and Models FAIR for HPC: A Methodology and Case Study [0.0]
  FAIR Guiding Principlesは、デジタルコンテンツの発見可能性、アクセシビリティ、相互運用性、再利用性を改善することを目的としている。 これらの原則は、ハイパフォーマンスコンピューティングのための機械学習ベースのプログラム分析と最適化の分野において、まだ広く採用されていない。 我々は、既存のFAIRness評価と改善技術を調査した後、HPCデータセットと機械学習モデルFAIRを作成する手法を設計する。
  論文  参考訳（メタデータ） (2022-11-03T18:45:46Z)

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。