論文の概要: Query Logs Analytics: A Aystematic Literature Review

• arxiv url: http://arxiv.org/abs/2508.13949v1
• Date: Tue, 19 Aug 2025 15:38:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-20 15:36:31.993065
• Title: Query Logs Analytics: A Aystematic Literature Review
• Title（参考訳）: クエリログ分析: Aystematic Literature Review
• Authors: Dihia Lanasri,
• Abstract要約: 本稿では、データベース(DB)、データウェアハウス(DW)、Web、KGログを中心に、ログの利用状況に関する体系的な調査を行う。 300以上の出版物が3つの中心的な問題に対処するために分析された。 調査では、エンドツーエンドのアプローチの限られた数、ログ使用パイプライン間の標準化の欠如、さまざまなタイプのログ間で共有される構造要素の存在が明らかになった。
• 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: In the digital era, user interactions with various resources such as databases, data warehouses, websites, and knowledge graphs (KGs) are increasingly mediated through digital platforms. These interactions leave behind digital traces, systematically captured in the form of logs. Logs, when effectively exploited, provide high value across industry and academia, supporting critical services (e.g., recovery and security), user-centric applications (e.g., recommender systems), and quality-of-service improvements (e.g., performance optimization). Despite their importance, research on log usage remains fragmented across domains, and no comprehensive study currently consolidates existing efforts. This paper presents a systematic survey of log usage, focusing on Database (DB), Data Warehouse (DW), Web, and KG logs. More than 300 publications were analyzed to address three central questions: (1) do different types of logs share common structural and functional characteristics? (2) are there standard pipelines for their usage? (3) which constraints and non-functional requirements (NFRs) guide their exploitation?. The survey reveals a limited number of end-to-end approaches, the absence of standardization across log usage pipelines, and the existence of shared structural elements among different types of logs. By consolidating existing knowledge, identifying gaps, and highlighting opportunities, this survey provides researchers and practitioners with a comprehensive overview of log usage and sheds light on promising directions for future research, particularly regarding the exploitation and democratization of KG logs.
• Abstract（参考訳）: デジタル時代には,データベースやデータウェアハウス,Webサイト,知識グラフ(KG)といったさまざまなリソースとのユーザインタラクションが,デジタルプラットフォームを介してますます活発化している。 これらの相互作用は、ログの形で体系的にキャプチャされたデジタルトレースを残します。 ログを効果的に活用すると、業界や学界で高い価値を提供し、重要なサービス(リカバリやセキュリティなど)、ユーザ中心のアプリケーション(レコメンダシステムなど)、サービス品質の改善(パフォーマンス最適化など)をサポートする。 その重要性にもかかわらず、ログの利用に関する研究はドメイン間で断片化され、現在まで包括的な研究は行われていない。 本稿では、データベース(DB)、データウェアハウス(DW)、Web、KGログを中心に、ログの利用状況に関する体系的な調査を行う。 1 種類のログは共通の構造的特徴と機能的特徴を共有しているか? (2) 使用するための標準的なパイプラインはありますか? (3)どの制約と非機能要件(NFR)がそれらの利用を導くか。 と。 調査では、エンドツーエンドのアプローチの限られた数、ログ使用パイプライン間の標準化の欠如、さまざまなタイプのログ間で共有される構造要素の存在が明らかになった。 既存の知識の統合、ギャップの特定、そして機会の強調により、この調査は、研究者や実践者がログの利用状況を概観し、将来の研究、特にKGログの活用と民主化に関する将来的な方向性について光を当てる。

関連論文リスト

• CoIR: A Comprehensive Benchmark for Code Information Retrieval Models [52.61625841028781]
  COIR(Code Information Retrieval Benchmark)は、コード検索機能を評価するために設計された、堅牢で包括的なベンチマークである。 COIRは、厳密にキュレートされた10のコードデータセットで構成され、7つの異なるドメインにまたがる8つの特有の検索タスクにまたがる。 我々は,COIRを用いた9つの広く使用されている検索モデルを評価し,最先端システムにおいても,コード検索タスクの実行に重大な困難があることを明らかにする。
  論文  参考訳（メタデータ） (2024-07-03T07:58:20Z)
• 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)
• PyRCA: A Library for Metric-based Root Cause Analysis [66.72542200701807]
  PyRCAは、AIOps(AIOps)のためのRoot Cause Analysis(RCA)のオープンソースの機械学習ライブラリである。 複雑なメトリクス因果依存性を明らかにし、インシデントの根本原因を自動的に特定する、包括的なフレームワークを提供する。
  論文  参考訳（メタデータ） (2023-06-20T09:55:10Z)
• A Survey of Knowledge Graph Reasoning on Graph Types: Static, Dynamic, and Multimodal [57.8455911689554]
  知識グラフ推論(KGR)は、知識グラフに基づくマイニング論理則に基づいて、既存の事実から新しい事実を推論することを目的としている。 質問応答やレコメンデーションシステムなど、多くのAIアプリケーションでKGを使うことに大きなメリットがあることが証明されている。
  論文  参考訳（メタデータ） (2022-12-12T08:40:04Z)
• LogLAB: Attention-Based Labeling of Log Data Anomalies via Weak Supervision [63.08516384181491]
  専門家の手作業を必要とせず,ログメッセージの自動ラベル付けのための新しいモデリング手法であるLogLABを提案する。 本手法は,監視システムが提供する推定故障時間ウィンドウを用いて,正確なラベル付きデータセットを振り返りに生成する。 我々の評価によると、LogLABは3つの異なるデータセットで9つのベンチマークアプローチを一貫して上回り、大規模な障害時ウィンドウでも0.98以上のF1スコアを維持している。
  論文  参考訳（メタデータ） (2021-11-02T15:16:08Z)
• A Comprehensive Survey of Logging in Software: From Logging Statements Automation to Log Mining and Analysis [0.0]
  我々は、トップレベルのピアレビューされた会場に現れた多数の会議およびジャーナル論文を調査した。 この分野を前進させる上で、学術と産業の研究者を導くための一連の課題と機会を提供する。
  論文  参考訳（メタデータ） (2021-10-24T17:15:06Z)
• Loghub: A Large Collection of System Log Datasets for AI-driven Log Analytics [40.96246300489472]
  システムログデータセットの大規模なコレクションであるloghubを収集、リリースしました。 特にloghubは、幅広いソフトウェアシステムから収集された19の現実世界のログデータセットを提供する。 この論文の執筆時点で、ログハブデータセットは、業界と学術の両方の数百の組織によって、合計で約9万回ダウンロードされている。
  論文  参考訳（メタデータ） (2020-08-14T16:17:54Z)

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。