論文の概要: Mining Service Behavior for Stateful Service Emulation

• arxiv url: http://arxiv.org/abs/2510.18519v1
• Date: Tue, 21 Oct 2025 10:59:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:13.439755
• Title: Mining Service Behavior for Stateful Service Emulation
• Title（参考訳）: ステートフルサービスエミュレーションのためのマイニングサービス挙動
• Authors: Md Arafat Hossain, Jun Han, Muhammad Ashad Kabir, Steve Versteeg, Jean-Guy Schneider, Jiaojiao Jiang,
• Abstract要約: サービス仮想化は、記録されたインタラクションからサービスモデルを導出するための広く使われているテクニックとして現れています。 これらの相互作用に基づいて実際のサービスの振舞いをエミュレートする様々な方法が提案されているが、ほとんどの場合、サービスの状態を説明できない。 本稿では,サービス状態を考慮した応答生成の精度を高めるサービス間相互作用からサービスモデルを導出する手法を提案する。
• 参考スコア（独自算出の注目度）: 4.659827500657494
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Enterprise software systems are increasingly integrating with diverse services to meet expanding business demands. Testing these highly interconnected systems presents a challenge due to the need for access to the connected services. Service virtualization has emerged as a widely used technique to derive service models from recorded interactions, for service response generation during system testing. Various methods have been proposed to emulate actual service behavior based on these interactions, but most fail to account for the service's state, which reduces the accuracy of service emulation and the realism of the testing environment, especially when dealing with stateful services. This paper proposes an approach to deriving service models from service interactions, which enhance the accuracy of response generation by considering service state. This is achieved by uncovering contextual dependencies among interaction messages and analyzing the relationships between message data values. The approach is evaluated using interaction traces collected from both stateful and stateless services, and the results reveal notable enhancements in accuracy and efficiency over existing approaches in service response generation.
• Abstract（参考訳）: エンタープライズソフトウェアシステムは、ビジネス需要の拡大に対応するために、さまざまなサービスとの統合が増えている。 これらの高度に相互接続されたシステムをテストすることは、接続されたサービスにアクセスする必要があるため、課題となる。 サービス仮想化は、システムテスト中のサービス応答生成のために、記録されたインタラクションからサービスモデルを導出するための広く使われているテクニックとして現れています。 これらの相互作用に基づいて実際のサービス動作をエミュレートする様々な方法が提案されているが、ほとんどの場合、サービスエミュレーションの正確さとテスト環境、特にステートフルなサービスを扱う場合のリアリズムを低減させるサービスの状態を考慮できない。 本稿では,サービス状態を考慮した応答生成の精度を高めるサービス間相互作用からサービスモデルを導出する手法を提案する。 これは、インタラクションメッセージ間のコンテキスト依存を明らかにし、メッセージデータ値間の関係を分析することで実現される。 この手法は、ステートフルサービスとステートレスサービスの両方から収集されたインタラクショントレースを用いて評価され、その結果、サービス応答生成における既存のアプローチよりも精度と効率が顕著に向上したことが明らかとなった。

関連論文リスト

• Higher Satisfaction, Lower Cost: A Technical Report on How LLMs Revolutionize Meituan's Intelligent Interaction Systems [67.18731675163589]
  本稿では,産業アプリケーションに適したインテリジェントインタラクションシステムであるWOWServiceを紹介する。 LLMとマルチエージェントアーキテクチャの統合により、WOWServiceは自律的なタスク管理と協調的な問題解決を可能にします。 WOWServiceはMeituan App上にデプロイされ、主要なメトリクスの大幅な向上を実現している。
  論文  参考訳（メタデータ） (2025-10-15T08:35:51Z)
• Federated In-Context Learning: Iterative Refinement for Improved Answer Quality [62.72381208029899]
  In-context Learning (ICL) では、入力に提供される例を活用することで、パラメータを変更することなく、言語モデルで応答を生成することができる。 我々は,反復的協調プロセスを通じてICLを強化する汎用フレームワークであるFederated In-Context Learning (Fed-ICL)を提案する。 Fed-ICLは、クライアントと中央サーバ間のマルチラウンドインタラクションを活用することで、応答を徐々に洗練し、モデルパラメータを送信することなく、応答品質を向上させる。
  論文  参考訳（メタデータ） (2025-06-09T05:33:28Z)
• Adopting Large Language Models to Automated System Integration [0.0]
  大規模言語モデル(LLM)を用いた自動サービス構成のためのソフトウェアアーキテクチャを提案する。 本稿では,サービス発見のための自然言語クエリに基づく新しいベンチマークを提案する。 ベンチマークを拡張して、完全なサービス構成シナリオを作成します。
  論文  参考訳（メタデータ） (2025-04-11T12:42:01Z)
• Adaptive REST API Testing with Reinforcement Learning [54.68542517176757]
  現在のテストツールは効率的な探索機構がなく、全ての操作とパラメータを等しく扱う。 現在のツールは、仕様にレスポンススキーマがない場合や、変種を示す場合に苦労している。 我々は、強化学習を取り入れた適応型REST APIテスト手法を提案し、探索中の操作を優先順位付けする。
  論文  参考訳（メタデータ） (2023-09-08T20:27:05Z)
• Context-Aware Service Recommendation System for the Social Internet of Things [3.0748861313823]
  Social Internet of Things(SIoT)は、相互接続されたスマートデバイスがデータとサービスを共有することを可能にし、パーソナライズされたサービスレコメンデーションの機会を開放する。 既存の技術は、デバイス間の社会的関係の抽出を考慮し、サービスレビューの文脈的提示を無視する傾向にある。 本研究は,各デバイスサービスペアのコンテキスト表現を探索することにより,これらのギャップに対処することを目的とする。
  論文  参考訳（メタデータ） (2023-08-14T14:40:13Z)
• Continual Dialogue State Tracking via Example-Guided Question Answering [37.641550706979665]
  そこで本研究では,対話状態の追跡を具体化した質問応答タスクのバンドルとして提案する。 我々のアプローチは、サービス固有の記憶を緩和し、与えられた質問や例を文脈化するためのモデルを教える。 類似の対話状態変化のあるターンを識別するために訓練された検索者によって検索されたコンテキスト内例から学習することで,600万のパラメータしか持たないモデルが大きな向上を達成できることがわかった。
  論文  参考訳（メタデータ） (2023-05-23T06:15:43Z)
• Using Textual Interface to Align External Knowledge for End-to-End Task-Oriented Dialogue Systems [53.38517204698343]
  本稿では,外部知識の整合化と冗長なプロセスの排除にテキストインタフェースを用いた新しいパラダイムを提案する。 我々は、MultiWOZ-Remakeを用いて、MultiWOZデータベース用に構築されたインタラクティブテキストインタフェースを含む、我々のパラダイムを実演する。
  論文  参考訳（メタデータ） (2023-05-23T05:48:21Z)
• SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
  本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。 しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
  論文  参考訳（メタデータ） (2021-12-22T14:45:37Z)
• Model-based Reinforcement Learning for Service Mesh Fault Resiliency in a Web Application-level [0.7519872646378836]
  サービスメッシュのフォールトレジリエンスに対するモデルベース強化学習ワークフローを提案する。 我々のアプローチは、Webアプリケーションレベルで最も重要なフォールトレジリエンス動作の予測を可能にします。
  論文  参考訳（メタデータ） (2021-10-21T23:30:40Z)
• Service mining for Internet of Things [1.6371451481715193]
  Internet of Thingsサービスのボトムアップで興味深い関係を見つけるためのサービスマイニングフレームワークが提案されている。 発見されたサービス関係の面白さを評価するための指標のセットを提示する。
  論文  参考訳（メタデータ） (2020-05-14T11:58:34Z)

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。