論文の概要: LogSyn: A Few-Shot LLM Framework for Structured Insight Extraction from Unstructured General Aviation Maintenance Logs

• arxiv url: http://arxiv.org/abs/2511.18727v1
• Date: Mon, 24 Nov 2025 03:41:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.999992
• Title: LogSyn: A Few-Shot LLM Framework for Structured Insight Extraction from Unstructured General Aviation Maintenance Logs
• Title（参考訳）: LogSyn:非構造型一般航空保守ログから構造化インサイト抽出のためのLLMフレームワーク
• Authors: Devansh Agarwal, Maitreyi Chatterjee, Biplab Chatterjee,
• Abstract要約: 航空機のメンテナンスログは、貴重な安全データを保持するが、構造化されていないテキストフォーマットのため、未使用のままである。 本稿では,大規模言語モデル(LLM)を用いて,これらのログを構造化機械可読データに変換するフレームワークであるLogSynを紹介する。
• 参考スコア（独自算出の注目度）: 0.40334315349753025
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aircraft maintenance logs hold valuable safety data but remain underused due to their unstructured text format. This paper introduces LogSyn, a framework that uses Large Language Models (LLMs) to convert these logs into structured, machine-readable data. Using few-shot in-context learning on 6,169 records, LogSyn performs Controlled Abstraction Generation (CAG) to summarize problem-resolution narratives and classify events within a detailed hierarchical ontology. The framework identifies key failure patterns, offering a scalable method for semantic structuring and actionable insight extraction from maintenance logs. This work provides a practical path to improve maintenance workflows and predictive analytics in aviation and related industries.
• Abstract（参考訳）: 航空機のメンテナンスログは、貴重な安全データを保持するが、構造化されていないテキストフォーマットのため、未使用のままである。 本稿では,大規模言語モデル(LLM)を用いて,これらのログを構造化機械可読データに変換するフレームワークであるLogSynを紹介する。 ログシンは6,169レコードで数ショットのインコンテキスト学習を使用して、問題を要約し、詳細な階層的オントロジーの中でイベントを分類するために制御抽象生成(CAG)を実行する。 このフレームワークはキーとなる障害パターンを特定し、セマンティックな構造化のためのスケーラブルな方法と、メンテナンスログから実行可能なインサイト抽出を提供する。 この研究は、航空関連産業におけるメンテナンスワークフローと予測分析を改善するための実践的な道筋を提供する。

関連論文リスト

• OntoLogX: Ontology-Guided Knowledge Graph Extraction from Cybersecurity Logs with Large Language Models [3.4435169157853465]
  システムログはサイバー脅威インテリジェンス(CTI)の貴重な情報源である しかし、それらのユーティリティは、構造の欠如、セマンティックな一貫性の欠如、デバイスやセッション間の断片化によって制限されることが多い。 OntoLogXは生ログをオントロジー基底知識グラフ(KG)に変換する システムはKGをセッションに集約し、MITRE ATT&CKの戦術を予測する。
  論文  参考訳（メタデータ） (2025-10-01T19:46:15Z)
• Exploratory Semantic Reliability Analysis of Wind Turbine Maintenance Logs using Large Language Models [0.0]
  本稿では、より複雑な推論タスクに現代大規模言語モデル(LLM)を活用する際のギャップについて論じる。 我々は,LLMを用いた探索的フレームワークを導入し,分類を超えて意味分析を行う。 以上の結果から,LSMは,テキスト情報や行動可能な専門家レベルの仮説を合成するためにラベル付けを超えて,強力な"信頼性共パイロット"として機能できることが示唆された。
  論文  参考訳（メタデータ） (2025-09-26T14:00:20Z)
• Data Dependency-Aware Code Generation from Enhanced UML Sequence Diagrams [54.528185120850274]
  本稿では,API2Depという新しいステップバイステップコード生成フレームワークを提案する。 まず、サービス指向アーキテクチャに適した拡張Unified Modeling Language (UML) APIダイアグラムを紹介します。 次に、データフローの重要な役割を認識し、専用のデータ依存推論タスクを導入する。
  論文  参考訳（メタデータ） (2025-08-05T12:28:23Z)
• Leveraging Machine Learning and Enhanced Parallelism Detection for BPMN Model Generation from Text [75.77648333476776]
  本稿では、テキストからBPMNモデルを抽出する自動パイプラインについて紹介する。 この研究の重要な貢献は、新たに注釈付けされたデータセットの導入である。 モデルトレーニング用の32のパラレルゲートウェイを含む15の注釈付き文書でデータセットを増強する。
  論文  参考訳（メタデータ） (2025-07-11T07:25:55Z)
• Semantic-Aware Parsing for Security Logs [12.498937359368309]
  既存のAIベースは構文ログテンプレートの学習に重点を置いているが、クエリに必要な意味解釈は欠如している。 MatryoshkaはLLMを利用してセマンティックな構造化ログを自動的に生成する最初のエンドツーエンドシステムである。 マトリオシカは、価値ある分野を自動的に抽出し整理することで、手作業を大幅に削減する。
  論文  参考訳（メタデータ） (2025-06-20T23:24:09Z)
• HELP: Hierarchical Embeddings-based Log Parsing [0.25112747242081457]
  ログは、ソフトウェアのメンテナンスと障害診断のための、第一級の情報ソースである。 ログ解析は、異常検出、トラブルシューティング、根本原因分析などの自動ログ解析タスクの前提条件である。 既存のオンライン解析アルゴリズムは、ログドリフトの影響を受けやすい。
  論文  参考訳（メタデータ） (2024-08-15T17:54:31Z)
• 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)
• Autoregressive Search Engines: Generating Substrings as Document Identifiers [53.0729058170278]
  自動回帰言語モデルは、回答を生成するデファクト標準として現れています。 これまでの研究は、探索空間を階層構造に分割する方法を探究してきた。 本研究では,検索空間の任意の構造を強制しない代替として,経路内のすべてのngramを識別子として使用することを提案する。
  論文  参考訳（メタデータ） (2022-04-22T10:45:01Z)
• 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)
• Self-Supervised Log Parsing [59.04636530383049]
  大規模ソフトウェアシステムは、大量の半構造化ログレコードを生成する。 既存のアプローチは、ログ特化や手動ルール抽出に依存している。 本稿では,自己教師付き学習モデルを用いて解析タスクをマスク言語モデリングとして定式化するNuLogを提案する。
  論文  参考訳（メタデータ） (2020-03-17T19:25:25Z)

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。