从海床拾珠：从混合云服务的噪声问题分诊协作对话中提取工件
人工智能
2021-06-01 v1 计算与语言
摘要
站点可靠性工程师（SREs）在问题识别与解决中扮演关键角色。问题被报告后，SREs 在虚拟房间（协作平台）中聚集以分诊该问题。在此过程中，他们留下了丰富的信息，可供日后分诊类似问题使用。然而，这些对话的可用性存在挑战，因为它们 i) 含噪声且 ii) 无标注。本文提出一种以极少标注数据从噪声对话中提取问题工件的新方法。我们提出一种结合无监督与有监督模型且需最少人工干预的方案，其利用领域知识对少量对话数据预测工件，并用于将已预训练的语言模型微调以在大量对话数据上预测工件。在我们数据集上的实验结果表明，所提出的无监督与有监督模型集成优于单独使用二者之一。
引用
@article{arxiv.2105.15065,
title = {Picking Pearl From Seabed: Extracting Artefacts from Noisy Issue Triaging Collaborative Conversations for Hybrid Cloud Services},
author = {Amar Prakash Azad and Supriyo Ghosh and Ajay Gupta and Harshit Kumar and Prateeti Mohapatra},
journal= {arXiv preprint arXiv:2105.15065},
year = {2021}
}