面向云系统智能监控的注意力增强实体推荐
机器学习
2025-10-24 v1
摘要
在本文中，我们提出了DiRecGNN，一个用于微软云服务监控的注意力增强实体推荐框架。我们提供了关于云服务所有者如何看待此功能有用性的见解以及部署中获得的经验教训。具体来说，我们引入了推荐最优属性（维度）子集的问题，这些属性应由云服务的自动看门狗（监控器）跟踪。首先，我们构建了生产规模的监控异构图。这些实体的交互动态通常以有限的结构和参与信息为特征，导致最先进方法的性能不佳。此外，传统方法由于其同质性，无法捕捉跨越长距离的实体间依赖关系。因此，我们提出了一种受Transformer架构启发的注意力增强实体排序模型。我们的模型利用多头注意力机制聚焦于异构邻居及其属性，并进一步关注使用随机游走采样的路径以捕捉长距离依赖关系。我们还采用了多方面的损失函数，以在尊重数据固有稀疏性的同时优化相关推荐。实证评估表明，我们的模型相比现有方法有显著改进，MRR提高了43.1%。此外，使用这些功能的产品团队认为该功能有用，并给出了4.5分（满分5分）的评分。
引用
@article{arxiv.2510.20640,
title = {Attention Enhanced Entity Recommendation for Intelligent Monitoring in Cloud Systems},
author = {Fiza Hussain and Anson Bastos and Anjaly Parayil and Ayush Choure and Chetan Bansal and Rujia Wang and Saravan Rajmohan},
journal= {arXiv preprint arXiv:2510.20640},
year = {2025}
}