ترجمه مقاله سیستمی برای تحلیل و تفکیک پذیری تیکت ها
ترجمه مقاله A System for Ticket Analysis and Resolution
در این بخش ترجمه مقاله سیستمی برای تحلیل و تفکیک پذیری تیکت ها را برایتان آماده کردیم که علاوه بر چکیده و مقدمه می توانید خود مقاله اصلی را نیز به طور کاملا رایگان دانلود کنید.
چکیده مقاله
در محیط های خدمات IT در مقیاس گسترده و پیچیده، یک رخداد مشکل ساز با عنوان تیکت ظبط شده است و حاوی خلاصه ی تیکت می باشد مدیران سیستم در مواقعی که مشکل چنین تیکت هایی رفع می شود، به تعریف گام به گام تفکیک می پردازند. رخداد های خدمات تکرار شده به احتمال زیاد با استنباط تیکت های تاریخی شبیه به هم برطرف می شوند. با در دسترس داشتن بانک اطلاعاتی بزرگ تیکت، می توانیم سیستم خودکاری برای معرفی بهترین تفکیک مرتبط برای خلاصه تیکت داده شده داشته باشیم.
در مقاله سیستمی برای تحلیل و تفکیک پذیری تیکت ها، ابتدا کشمکش های تفکیک تیکت در جهان واقعی را شناسایی کرده و چارچوب یکپارچه ای برای کنترل کارکرد آن کشمکش ها توسعه می دهیم. این چارچوب در وحله اول کیفیت تفکیک تیکت را به وسیله مدل رگرسیون که بر مبنای خصوصیات های دقیقی طراحی شده اند، مشخص می کند. تیکت ها، به همراه امتیازات کیفیت به عمل آمده از مشخص کردن کمیت کیفیت تفکیک مورد استفاده قرار می گیرند تا مدل رتبه بندی عمیقی از شبکه عصبی را آموزش دهد که امتیازات تیکت و تفکیک را به عنوان خروجی ایجاد کند.
این مدل رتبه بندی این امکان را به ما می دهد که کیفیت وضوح در تیکت های تاریخی را به عنوان اهرم مورد استفاده قرار دهیم درست موقعی که تفکیک برای تیکت حادثه آتی پیشنهاد می شود. علاوه بر این، بردار های خصوصیات برگرفته از مدل رتبه بندی عصبی عمیق می تواند به طور مفیدی در دیگر وظایف تحلیل تیکت مانند خوشه بندی و طبقه بندی تیکت مورد استفاده قرار گیرد. چارچوب توصیه شده به طور وسیعی با مجموعه داده های جهان واقعی مورد بررسی قرار می گیرند.
مقدمه
برتری ارائه خدمات کارآمد و مقرون به صرفه و پشتیبانی در شرکت تجارت رقابتی غیر قابل انکار است و با پیچیدگی در حال رشد محیط های خدمات اساسی است. این امکانات و تسهیلات فراهم آورنده ی خدمات را برانگیخته است تا بسیاری از وظایف شان شامل مدیریت سیستم، و روند تعمیر و نگهداری موارد روزمره (برای مثال ردیابی مشکل، تعیین و تفکیک برای زیرساخت خدمات را به صورت خودکار در آورند ردیاب مشکل اتوماتیک توسط نرم افزار های نظارت سیستم مانند HP Open View و IBM Tivoli Monitoring شناسایی شده است. چنین سیستم های نظارتی دائما رویداد های سیستم را بررسی می کنند و زمانی که هشدار ها فعال شدند، تیکت رویداد را ایجاد می کنند. گردش کار معمولی از ردیاب مشکل، تعیین و وضوح (تفکیک) در مدیریت خدمات فناوری اطلاعات توسط مشخصات کتابخانه ی زیرساخت فناوری اطلاعات (IT) توصیه شده است.
چکیده انگلیسی
In large scale and complex IT service environments, a problematic incident is logged as a ticket and contains the ticket summary (system status and problem description). The system administrators log the step-wise resolution description when such tickets are resolvedThe repeating service events are most likely resolved by inferring similar historical tickets. With the availability of reasonably large ticket datasets, we can have an automated system to recommendthe best matching resolution for a given ticket summary In this paper, we first identify the challenges in real-world ticket analysis and develop an integrated framework to efficiently handle those challenges.
The framework first quantifies the quality of ticket resolutions using aregression model built on carefully designed features. The tickets, along with their quality scores obtainedrom the resolution quality quantification, are then used to train a deep neural network ranking model that outputs the matching scores of ticket summary and resolution pairs. This ranking model allows us to leverage the resolution quality in historical tickets when recommending resolutions for an incoming incident ticket. In addition, the feature vectors derived from the deep neural ranking model can be effectively used in other ticket analysis tasks, such as ticket classification and clustering. The proposed framework is extensively evaluated with a large real-world dataset.
منبع : dl.acm.org
مشاهده ویدئو در این باره