論文の概要: TripleBound: Triplet-Guided Heterogeneous Graph Learning for Microservice Decomposition
- arxiv url: http://arxiv.org/abs/2609.11212v1
- Date: Thu, 10 Sep 2026 08:15:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 23:53:35.251959
- Title: TripleBound: Triplet-Guided Heterogeneous Graph Learning for Microservice Decomposition
- Title（参考訳）: TripleBound: マイクロサービス分解のためのトリプルトガイドによる異種グラフ学習
- Abstract要約: TripleBoundは、モノリスからマイクロサービスへの自動分解のためのハイブリッドフレームワークである。
これにより、弱教師付き三重項制約を持つ異種グラフニューラルネットワークが強化される。
AcmeAir、DayTrader、JPetStoreで選択された重み付けで最高分解スコアを達成している。
- 参考スコア（独自算出の注目度）: 1.516795490965608
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cloud computing and DevOps have made microservices a common architecture for scalable, maintainable software systems. However, migrating monoliths to microservices remains challenging due to tight coupling and unclear service boundaries. Existing decomposition approaches typically rely on either structural dependencies or semantic similarity signals, but rarely integrate both within a unified representation learning objective. This paper proposes TripleBound, a hybrid framework for automated monolith-to-microservices decomposition that augments a heterogeneous graph neural network with weakly supervised triplet constraints derived from parser-inferred service groups based on package structure, naming conventions, and code location. TripleBound injects triplet-based constraints directly into the shared structural latent space, enabling both signals to be jointly optimized during representation learning. Structural dependencies are captured using CHGNN, which models the monolith as a heterogeneous graph with program nodes, resource nodes, CALL edges, and CRUD edges. Semantic relationships are incorporated through triplet constraints generated from parser-inferred service groups. Evaluation on AcmeAir, DayTrader, PlantsByWebSphere, and JPetStore shows that TripleBound achieves the highest composite decomposition score under the selected weighting on AcmeAir, DayTrader, and JPetStore compared to CHGNN and MonoEmbed, while CHGNN remains stronger on PlantsByWebSphere. Per-metric analysis reveals trade-offs: gains in structural modularity and inter-partition coupling are accompanied by higher entity distribution imbalance on some datasets. Alternative composite weightings preserve TripleBound's first-place ranking on AcmeAir and DayTrader but not on JPetStore, showing that the aggregate ranking is metric-dependent.
- Abstract（参考訳）: クラウドコンピューティングとDevOpsは、マイクロサービスをスケーラブルでメンテナンス可能なソフトウェアシステムのための共通アーキテクチャにしました。
しかしながら、モノリスをマイクロサービスに移行することは、密結合と不明確なサービスバウンダリのため、依然として難しい。
既存の分解アプローチは通常、構造的依存関係または意味的類似性信号のいずれかに依存しているが、統合された表現学習の目的の中に統合されることは滅多にない。
本稿では、パッケージ構造、命名規則、コード位置に基づくパーサ推論サービスグループから導かれる弱教師付き三重項制約で不均一なグラフニューラルネットワークを増強する、モノリスからマイクロサービスへの自動分解のためのハイブリッドフレームワークであるTripleBoundを提案する。
TripleBoundは共有構造潜在空間に直接三重項ベースの制約を注入し、表現学習中に両信号が共同最適化されるようにする。
CHGNNは、モノリスをプログラムノード、リソースノード、CALLエッジ、CRUDエッジを備えた異種グラフとしてモデル化する。
セマンティックな関係は、パーサ推論されたサービスグループから生成される三重項制約によってもたらされる。
AcmeAir, DayTrader, PlantsByWebSphere および JPetStore の評価は,CHGNN と MonoEmbed と比較してTripleBound がAcmeAir, DayTrader および JPetStore の選択重み付けで最高合成分解スコアを達成し,CHGNN は PlantsByWebSphere に強く依存していることを示している。
構造的モジュラリティとパーティション間結合の利得は、いくつかのデータセットでより高いエンティティ分布の不均衡を伴う。
代替の複合重み付けは、TripleBoundのAcmeAirとDayTraderのランキングを保存しているが、JPetStoreには載っていない。
関連論文リスト
- Hyper-Fold: Exploring the Expressive Limit of Sequence-Geometry Learning for Proteins via Hypergraph Modeling [55.36837305276515]
コンテント幾何学的外積に対する完全双線型作用素、すなわち2階の相互作用の十分統計は、表現的天井であることを示す。
次に、メッセージパッシングコストで天井に近づく、ランク-K分離可能な畳み込みバックボーンであるHyper-Foldを紹介します。
論文 参考訳（メタデータ） (2026-08-29T11:43:25Z) - Imputation Meets Clustering: Exploiting Latent Subgroup Structure for Missing Data Recovery [52.29866804948133]
本稿では、クラスタリングと命令を相互に強化する共最適化プロセスとして再構築するフレームワークであるCAGI(Cluster-Aware Generative Imputation)を提案する。
14のベンチマークデータセットと15の代表的なベースラインの実験は、CAGIの優位性を実証している。
論文 参考訳（メタデータ） (2026-07-08T02:50:02Z) - UniTriGen: Unified Triplet Generation of Aligned Visible-Infrared-Label for Few-Shot RGB-T Semantic Segmentation [14.575592108636028]
RGB-Tセマンティックセグメンテーションは、厳密なVIS-IR-Label三重項を必要とするが、そのような整列三重項データは現実のシナリオでは少ないことが多い。
空間整合性,意味整合性,モダリティ相補的なVIS-IR-Label三重項を直接生成する統合三重項生成フレームワークであるUniTriGenを提案する。
実験により、UniTriGenは、限られた実ペアデータから高品質な三重項を生成し、様々なRGB-Tセマンティックセマンティックセグメンテーションモデルで一貫した性能改善を実現する。
論文 参考訳（メタデータ） (2026-05-14T09:39:53Z) - SliceGraph: Mapping Process Isomers in Multi-Run Chain-of-Thought Reasoning [60.650808962786364]
我々は、CoTスライス間の疎活性化キージャカード類似性に対して、相互kNNによって構築された問題モデル-セルグラフであるSliceGraphを提案する。
同じ正規化された回答を共有する正しいCoTは、複数のプロセスファミリに分割されていることを示す。
また、プロセスファミリは、一致したnull制御の下で異なる遷移カーネルで同じアトラスをナビゲートすることを示す。
論文 参考訳（メタデータ） (2026-05-14T09:37:26Z) - Towards Federated Clustering: A Client-wise Private Graph Aggregation Framework [57.04850867402913]
フェデレーションクラスタリングは、分散化されたラベルのないデータからパターンを抽出する課題に対処する。
本研究では,プライバシ保護のための知識共有媒体として,局所構造グラフを革新的に活用する新しいアルゴリズムSPP-FGCを提案する。
我々のフレームワークは最先端のパフォーマンスを実現し、認証可能なプライバシー保証を維持しつつ、フェデレーションベースラインよりも最大10%(NMI)のクラスタリング精度を向上させる。
論文 参考訳（メタデータ） (2025-11-14T03:05:22Z) - A Deep Latent Factor Graph Clustering with Fairness-Utility Trade-off Perspective [0.7568373895297608]
グラフに合わせたエンドツーエンドの非負の3要素化であるemphDFNMFを紹介する。
1つのパラメータ$lambda$はフェアネス-ユーティリティバランスを調整しますが、非負性はパーツベースの要素と透明なソフトメンバシップを生成します。
合成および実ネットワーク全体で、DFNMFは、同等のモジュラリティでグループバランスを大幅に高める。
論文 参考訳（メタデータ） (2025-10-27T16:40:52Z) - Harnessing Group-Oriented Consistency Constraints for Semi-Supervised Semantic Segmentation in CdZnTe Semiconductors [71.44213719783703]
ICAF(Intra-group Consistency Augmentation Framework)は、CdZnTe(Cadmium Zinc Telluride)半導体画像にラベルを付けるために開発された。
ICAF は View Augmentation Module (VAM) と View Correction Module (VCM) の2つの重要なモジュールで構成されている。
ICAFは、CdZnTeデータセット上の70.6% mIoUを2つのグループアノテートデータのみを用いて達成する。
論文 参考訳（メタデータ） (2025-08-18T09:40:36Z) - Tri-Learn Graph Fusion Network for Attributed Graph Clustering [5.2044462428583875]
本稿では,GCN,オートエンコーダ(AE),グラフ変換器からなる新しいディープクラスタリングフレームワークを提案する。
このフレームワークは、ユニークな3つの学習機構と特徴融合戦略を通じて、グローバルおよびローカル情報の識別と一貫性を高める。
ACMデータセットで約0.87%、Reutersデータセットで14.14%、USPSデータセットで7.58%の精度向上を実現している。
論文 参考訳（メタデータ） (2025-07-18T03:25:07Z) - SEG:Seeds-Enhanced Iterative Refinement Graph Neural Network for Entity Alignment [13.487673375206276]
本稿では,マルチソースデータと反復的シード拡張を融合したソフトラベル伝搬フレームワークを提案する。
正試料間距離と負試料の差分処理を行う双方向重み付き共同損失関数を実装した。
提案手法は,既存の半教師付きアプローチよりも優れており,複数のデータセットにおいて優れた結果が得られた。
論文 参考訳（メタデータ） (2024-10-28T04:50:46Z) - A Data-efficient Framework for Robotics Large-scale LiDAR Scene Parsing [10.497309421830671]
既存の最先端の3Dポイントクラウド理解手法は、完全に教師された方法でのみうまく機能する。
この研究は、ラベルが制限されているときのポイントクラウドを理解するための、汎用的でシンプルなフレームワークを提示している。
論文 参考訳（メタデータ） (2023-12-03T02:38:51Z) - DepGraph: Towards Any Structural Pruning [68.40343338847664]
我々は、CNN、RNN、GNN、Transformersのような任意のアーキテクチャの一般的な構造解析について研究する。
本稿では,階層間の依存関係を明示的にモデル化し,包括的にグループ化してプルーニングを行う汎用かつ完全自動な手法であるemphDependency Graph(DepGraph)を提案する。
本研究では,画像用ResNe(X)t,DenseNet,MobileNet,Vision Transformer,グラフ用GAT,3Dポイントクラウド用DGCNN,言語用LSTMなど,さまざまなアーキテクチャやタスクに関する手法を広範囲に評価し,言語用LSTMと並行して示す。
論文 参考訳（メタデータ） (2023-01-30T14:02:33Z)
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。