从云服务事件中进行神经知识抽取
软件工程
2021-01-19 v4 人工智能
分布式、并行与集群计算
机器学习
摘要
在过去十年中，两次范式转变重塑了软件行业——从盒装产品向服务的转变以及云计算的广泛采用。这对软件开发生命周期和DevOps流程产生了巨大影响。特别是，事件管理对于大规模服务的开发与运营变得至关重要。创建事件是为了确保及时沟通服务问题及其解决。先前关于事件管理的工作严重聚焦于事件分派与去重方面的挑战。在本工作中，我们解决从服务事件中进行结构化知识抽取这一基础问题。我们构建了SoftNER，一个从无监督服务事件中抽取知识的框架。我们将知识抽取问题表述为用于抽取事实信息的命名实体识别任务。SoftNER利用键值对和表格等结构模式来引导训练数据。此外，我们构建了一种新颖的基于多任务学习的BiLSTM-CRF模型，其不仅利用语义上下文，还利用数据类型进行命名实体抽取。我们已在主要云服务提供商微软部署了SoftNER，并对两个多月的云事件进行了评估。我们表明这种基于无监督机器学习的方法具有0.96的高精度。我们基于多任务学习的深度学习模型也优于最先进的NER模型。最后，利用SoftNER抽取的知识，我们能够为事件分派等重要下游任务构建显著更准确的模型。
引用
@article{arxiv.2007.05505,
title = {Neural Knowledge Extraction From Cloud Service Incidents},
author = {Manish Shetty and Chetan Bansal and Sumit Kumar and Nikitha Rao and Nachiappan Nagappan and Thomas Zimmermann},
journal= {arXiv preprint arXiv:2007.05505},
year = {2021}
}
备注
To be published in the proceedings of ICSE 2021 - Software Engineering in Practice Track