論文の概要: Identifying Appropriately-Sized Services with Deep Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2512.20381v1
• Date: Tue, 23 Dec 2025 14:12:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-24 19:17:49.901537
• Title: Identifying Appropriately-Sized Services with Deep Reinforcement Learning
• Title（参考訳）: 深層強化学習による適切な規模のサービスを特定する
• Authors: Syeda Tasnim Fabiha, Saad Shafiq, Wesley Klewerton Guez Assunção, Nenad Medvidović,
• Abstract要約: サービスベースのアーキテクチャにより、システムは小さく、疎結合で、自律的なコンポーネントのスイートとして開発できる。 Racheは、利用可能なシステムドキュメンテーションとソースコードを活用して、サービス分解をガイドする強化学習ベースのテクニックである。 平均して、Rakeは7-14パーセント高いモジュール化品質と18-22%強いビジネス能力のアライメントを達成した。
• 参考スコア（独自算出の注目度）: 2.3857449848638277
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Service-based architecture (SBA) has gained attention in industry and academia as a means to modernize legacy systems. It refers to a design style that enables systems to be developed as suites of small, loosely coupled, and autonomous components (services) that encapsulate functionality and communicate via language-agnostic APIs. However, defining appropriately sized services that capture cohesive subsets of system functionality remains challenging. Existing work often relies on the availability of documentation, access to project personnel, or a priori knowledge of the target number of services, assumptions that do not hold in many real-world scenarios. Our work addresses these limitations using a deep reinforcement learning-based approach to identify appropriately sized services directly from implementation artifacts. We present Rake, a reinforcement learning-based technique that leverages available system documentation and source code to guide service decomposition at the level of implementation methods. Rake does not require specific documentation or access to project personnel and is language-agnostic. It also supports a customizable objective function that balances modularization quality and business capability alignment, i.e., the degree to which a service covers the targeted business capability. We applied Rake to four open-source legacy projects and compared it with two state-of-the-art techniques. On average, Rake achieved 7-14 percent higher modularization quality and 18-22 percent stronger business capability alignment. Our results further show that optimizing solely for business context can degrade decomposition quality in tightly coupled systems, highlighting the need for balanced objectives.
• Abstract（参考訳）: サービスベースアーキテクチャ(SBA)は、レガシシステムを近代化する手段として、産業や学術に注目を集めている。 これは、システムを小さな、疎結合で自律的なコンポーネント(サービス)のスイートとして開発し、機能をカプセル化し、言語に依存しないAPIを介して通信することを可能にするデザインスタイルを指す。 しかし、システム機能の凝集的なサブセットをキャプチャする適切なサイズのサービスを定義することは、依然として困難である。 既存の作業は、多くの場合、ドキュメントの入手、プロジェクト担当者へのアクセス、対象とするサービスの数に関する事前知識、現実のシナリオの多くに当てはまらない仮定に依存します。 我々の研究は、実装成果物から直接適切なサイズのサービスを特定するための、深層強化学習に基づくアプローチを使用して、これらの制限に対処する。 我々は、利用可能なシステムドキュメンテーションとソースコードを活用して、実装方法のレベルでサービス分解をガイドする強化学習ベースのテクニックであるRakeを紹介します。 Rakeは特定のドキュメントやプロジェクト担当者へのアクセスを必要とせず、言語に依存しない。 また、モジュール化の品質とビジネス能力の整合性、すなわちサービスが対象のビジネス能力をカバーする程度をバランスさせる、カスタマイズ可能な客観的関数もサポートする。 我々はRakeを4つのオープンソースレガシプロジェクトに応用し、2つの最先端技術と比較した。 平均して、Rakeは7-14パーセント高いモジュール化品質と18-22%強いビジネス能力のアライメントを達成した。 さらに、ビジネスコンテキストのみに最適化することで、密結合されたシステムにおける分解品質が低下し、バランスの取れた目的の必要性が浮き彫りになることを示す。

関連論文リスト

• Bridging VLMs and Embodied Intelligence with Deliberate Practice Policy Optimization [72.20212909644017]
  Deliberate Practice Policy Optimization (DPPO) はメタ認知型メタループのトレーニングフレームワークである。 DPPOは教師付き微調整(能力拡張)と強化学習(技能向上)の交互に行う 実証的には、DPPO(Pelican-VL 1.0)で視覚言語を具現化したモデルをトレーニングすると、ベースモデルよりも20.3%パフォーマンスが向上する。 私たちはモデルとコードをオープンソースにして、データとリソースのボトルネックを軽減する最初の体系的なフレームワークを提供しています。
  論文  参考訳（メタデータ） (2025-11-20T17:58:04Z)
• Capability-Driven Skill Generation with LLMs: A RAG-Based Approach for Reusing Existing Libraries and Interfaces [40.638726615548954]
  本稿では,スキル実装のコントラクトとして機能を扱うとともに,大規模言語モデルを用いて自然言語ユーザ入力に基づくコード生成を行う手法を提案する。 このアプローチの重要な特徴は、既存のソフトウェアライブラリとインターフェース技術の統合です。 コード生成プロセスに独自のライブラリやリソースインターフェースを組み込むことができるフレームワークを導入する。
  論文  参考訳（メタデータ） (2025-05-06T08:27:04Z)
• OntoAligner: A Comprehensive Modular and Robust Python Toolkit for Ontology Alignment [0.4499833362998487]
  オントロジーアライメント(OA)は、多様な知識システム間の相互運用性を実現するための基礎である。 私たちはOAアライメントのための包括的でモジュール的で堅牢なPythonツールキットであるOntoAlignerを紹介します。
  論文  参考訳（メタデータ） (2025-03-27T18:28:11Z)
• LEARN: A Unified Framework for Multi-Task Domain Adapt Few-Shot Learning [49.34200199155883]
  3つの異なるタスクにまたがる数ショットの学習設定にドメイン適応を組み合わせた最初の統合フレームワークを提案する。 私たちのフレームワークは高度にモジュール化されており、ドメイン適応を伴わずに、数ショットの学習をサポートすることができます。
  論文  参考訳（メタデータ） (2024-12-20T17:16:15Z)
• Institutional Platform for Secure Self-Service Large Language Model Exploration [0.1806830971023738]
  論文では、データセットキュレーション、モデルトレーニング、セキュア推論、テキストベースの特徴抽出を含む、システムのアーキテクチャと重要な特徴について概説する。 プラットフォームはセキュアなLLMサービスの提供、プロセスとデータ分離の強調、エンドツーエンドの暗号化、ロールベースのリソース認証を目指している。
  論文  参考訳（メタデータ） (2024-02-01T10:58:10Z)
• Hierarchical Empowerment: Towards Tractable Empowerment-Based Skill Learning [65.41865750258775]
  汎用エージェントは、大量のスキルのレパートリーを必要とする。 我々は、コンピューティングのエンパワーメントをより魅力的にする新しいフレームワーク、階層エンパワーメントを導入します。 一般的なアリナビゲーション領域では、我々の4つのレベルエージェントは、以前の作業よりも2桁大きい表面積をカバーするスキルを学ぶことができる。
  論文  参考訳（メタデータ） (2023-07-06T02:27:05Z)
• Autonomous Open-Ended Learning of Tasks with Non-Stationary Interdependencies [64.0476282000118]
  固有のモチベーションは、目標間のトレーニング時間を適切に割り当てるタスクに依存しないシグナルを生成することが証明されている。 内在的に動機付けられたオープンエンドラーニングの分野におけるほとんどの研究は、目標が互いに独立しているシナリオに焦点を当てているが、相互依存タスクの自律的な獲得を研究するのはごくわずかである。 特に,タスク間の関係に関する情報をアーキテクチャのより高レベルなレベルで組み込むことの重要性を示す。 そして、自律的に取得したシーケンスを格納する新しい学習層を追加することで、前者を拡張する新しいシステムであるH-GRAILを紹介する。
  論文  参考訳（メタデータ） (2022-05-16T10:43:01Z)
• Precise Learning of Source Code Contextual Semantics via Hierarchical Dependence Structure and Graph Attention Networks [28.212889828892664]
  階層的な依存関係を組み込んだ新しいソースコードモデルを提案する。 本稿では,基本ブロックの構文構造,すなわち対応するASTをソースコードモデルに導入し,十分な情報を提供する。 その結果,本モデルではパラメータのスケールを50%削減し,プログラム分類タスクの精度を4%向上させることができた。
  論文  参考訳（メタデータ） (2021-11-20T04:03:42Z)
• A Privacy-Preserving Distributed Architecture for Deep-Learning-as-a-Service [68.84245063902908]
  本稿では,ディープラーニング・アズ・ア・サービスのための分散アーキテクチャを提案する。 クラウドベースのマシンとディープラーニングサービスを提供しながら、ユーザの機密データを保存できる。
  論文  参考訳（メタデータ） (2020-03-30T15:12:03Z)

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。