論文の概要: TeleDoCTR: Domain-Specific and Contextual Troubleshooting for Telecommunications
- arxiv url: http://arxiv.org/abs/2601.00691v1
- Date: Fri, 02 Jan 2026 13:55:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-05 15:04:33.578207
- Title: TeleDoCTR: Domain-Specific and Contextual Troubleshooting for Telecommunications
- Title（参考訳）: TeleDoCTR:通信におけるドメイン特化とコンテキストトラブルシューティング
- Authors: Mohamed Trabelsi, Huseyin Uzunalioglu,
- Abstract要約: 通信におけるエンドツーエンドのチケット解決に適した,通信関連,ドメイン特化,コンテキストトラブルシューティングシステムであるTeleDoCTRを提案する。
我々は,TeleDoCTRを通信インフラから実世界のデータセット上で評価し,既存の最先端手法よりも優れた性能を発揮することを示す。
- 参考スコア（独自算出の注目度）: 0.46694828242276193
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ticket troubleshooting refers to the process of analyzing and resolving problems that are reported through a ticketing system. In large organizations offering a wide range of services, this task is highly complex due to the diversity of submitted tickets and the need for specialized domain knowledge. In particular, troubleshooting in telecommunications (telecom) is a very time-consuming task as it requires experts to interpret ticket content, consult documentation, and search historical records to identify appropriate resolutions. This human-intensive approach not only delays issue resolution but also hinders overall operational efficiency. To enhance the effectiveness and efficiency of ticket troubleshooting in telecom, we propose TeleDoCTR, a novel telecom-related, domain-specific, and contextual troubleshooting system tailored for end-to-end ticket resolution in telecom. TeleDoCTR integrates both domain-specific ranking and generative models to automate key steps of the troubleshooting workflow which are: routing tickets to the appropriate expert team responsible for resolving the ticket (classification task), retrieving contextually and semantically similar historical tickets (retrieval task), and generating a detailed fault analysis report outlining the issue, root cause, and potential solutions (generation task). We evaluate TeleDoCTR on a real-world dataset from a telecom infrastructure and demonstrate that it achieves superior performance over existing state-of-the-art methods, significantly enhancing the accuracy and efficiency of the troubleshooting process.
- Abstract（参考訳）: チケットトラブルシューティング(英: Ticket trouble shooting)とは、チケットシステムを通じて報告される問題を解析して解決する過程のこと。
幅広いサービスを提供している大規模組織では、発行されたチケットの多様性と専門的なドメイン知識の必要性のため、このタスクは極めて複雑である。
特に、電気通信におけるトラブルシューティング(telecom)は、チケットのコンテンツ、コンサルティング資料、検索履歴を解釈して適切な解決を見極めるために専門家を必要とするため、非常に時間を要する作業である。
この人間集約的なアプローチは、問題の解決を遅らせるだけでなく、全体の運用効率を阻害する。
テレコムにおけるチケットトラブルシューティングの有効性と効率を高めるため,テレコムにおけるエンドツーエンドのチケット解決に適した,新しいテレコム関連,ドメイン特化,コンテキスト対応のトラブルシューティングシステムであるTeleDoCTRを提案する。
TeleDoCTRは、ドメイン固有のランキングモデルと生成モデルの両方を統合して、トラブルシューティングワークフローの重要なステップを自動化する。チケット(分類タスク)の解決に責任を持つ適切な専門家チームにチケットをルーティングし、文脈的かつ意味的に類似した歴史的チケット(検索タスク)を取得し、問題、根本原因、潜在的なソリューション(生成タスク)を概説した詳細な障害解析レポートを生成する。
通信インフラから実世界のデータセット上でTeleDoCTRを評価し,既存の最先端手法よりも優れた性能を示し,トラブルシューティングプロセスの精度と効率を大幅に向上させる。
関連論文リスト
- Reliable LLM-Based Edge-Cloud-Expert Cascades for Telecom Knowledge Systems [54.916243942641444]
大規模言語モデル(LLM)は、通信などの分野において、自動化の鍵となる存在として浮上している。
本研究では,問合せパイプラインによる意思決定を支援する,エッジクラウドに精通したLLMベースの知識システムについて検討する。
論文 参考訳（メタデータ） (2025-12-23T03:10:09Z) - Leveraging Multi-Agent System (MAS) and Fine-Tuned Small Language Models (SLMs) for Automated Telecom Network Troubleshooting [0.0]
テレコムネットワークは、規模と複雑さが急速に増加し、効率的な管理、運用、最適化がますます困難になっている。
既存のモデルはスコープが狭く、大量のラベル付きデータを必要とし、異種デプロイメントを一般化するのに苦労することが多い。
本稿では,エージェントワークフローを利用するマルチエージェントシステム (MAS) を提案し,LLM(Large Language Models) が完全自動ネットワークトラブルシューティングのための特別なツールをコーディネートする。
論文 参考訳（メタデータ） (2025-11-01T18:19:41Z) - Learning to Route: A Rule-Driven Agent Framework for Hybrid-Source Retrieval-Augmented Generation [55.47971671635531]
大言語モデル(LLM)は、一般質問回答(QA)において顕著な性能を示した。
Retrieval-Augmented Generation (RAG)は、LLMを外部知識で強化することで、この制限に対処する。
既存のシステムは、主に構造化されていないドキュメントに依存しているが、主にリレーショナルデータベースを見下ろしている。
論文 参考訳（メタデータ） (2025-09-30T22:19:44Z) - A Scalable and High Availability Solution for Recommending Resolutions to Problem Tickets [0.0]
インシデントや問題チケットの解決は、通信分野の請求や課金システムを含むあらゆる分野のサービス産業において一般的なテーマである。
機械学習は、チケットの歴史的データのパターンに基づいて、パターンを特定し、問題のチケットの解決を提案するのに役立つ。
本稿では、クラスタリング、教師付き学習、高度なNLPモデルを用いて、これらの課題に効果的に取り組むための堅牢なML駆動ソリューションを提案する。
論文 参考訳（メタデータ） (2025-07-26T07:42:12Z) - From Unstructured Communication to Intelligent RAG: Multi-Agent Automation for Supply Chain Knowledge Bases [8.640991293068248]
サプライチェーン操作は大量の運用データを生成する。
システムの使用、トラブルシューティング、非構造化、解決技術といった重要な知識は、しばしば通信の中に埋もれています。
RAGシステムは知識ベースとしてそのようなコミュニケーションを活用することを目的としているが、その有効性は生データの問題によって制限されている。
我々はこれらのコミュニケーションを構造化知識ベースに変換する新しいオフラインファースト手法を導入する。
論文 参考訳（メタデータ） (2025-06-20T21:38:06Z) - TickIt: Leveraging Large Language Models for Automated Ticket Escalation [13.95803287903968]
本稿では,大規模言語モデルを利用した革新的なオンラインチケットエスカレーションフレームワークであるTickItを紹介する。
ByteDanceのクラウドサービスプラットフォームであるVolcano EngineにTickItをデプロイすることで、その有効性と実用性を検証する。
論文 参考訳（メタデータ） (2025-04-11T12:06:47Z) - Talk to Right Specialists: Routing and Planning in Multi-agent System for Question Answering [47.29580414645626]
RopMuraは、複数の知識ベースを統一的なRAGベースのエージェントに統合する、新しいマルチエージェントシステムである。
RopMuraには2つの重要なコンポーネントがある。知識境界に基づいて最も関連性の高いエージェントをインテリジェントに選択するルータと、複雑なマルチホップクエリを管理可能なステップに分解するプランナだ。
論文 参考訳（メタデータ） (2025-01-14T03:25:26Z) - TOP-Former: A Multi-Agent Transformer Approach for the Team Orienteering Problem [47.40841984849682]
車両群のためのルートプランニングは、荷物の配送、監視、輸送といった応用において重要な課題である。
ToP-Formerは、チームのオリエンテーリング問題を効率的に正確に解くために設計されたマルチエージェント経路計画ニューラルネットワークである。
論文 参考訳（メタデータ） (2023-11-30T16:10:35Z) - Query Resolution for Conversational Search with Limited Supervision [63.131221660019776]
本稿では,双方向トランスフォーマに基づくニューラルクエリ解決モデルQuReTeCを提案する。
我々はQuReTeCが最先端モデルより優れており、また、QuReTeCのトレーニングに必要な人為的なデータ量を大幅に削減するために、我々の遠隔監視手法が有効であることを示す。
論文 参考訳（メタデータ） (2020-05-24T11:37:22Z) - FairMOT: On the Fairness of Detection and Re-Identification in Multiple
Object Tracking [92.48078680697311]
マルチオブジェクトトラッキング(MOT)はコンピュータビジョンにおいて重要な問題である。
本稿では,FairMOTと呼ばれる,アンカーフリーなオブジェクト検出アーキテクチャCenterNetをベースとした,シンプルかつ効果的なアプローチを提案する。
このアプローチは、検出と追跡の両方において高い精度を達成する。
論文 参考訳（メタデータ） (2020-04-04T08:18:00Z)
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。