Webサービスシステムの応答性能劣化診断のための学習データ自動選定方法

植田, 良一; 角井, 健太郎; 爲岡, 啓 他

電子情報通信学会論文誌D 情報・システム, 2016, J99-D(1), 100-108

アクセス数:407件（2025-11-02 14:18 集計）

固定URL: https://hdl.handle.net/11094/92558

閲覧可能ファイル 

ファイル フォーマット 利用条件 サイズ 閲覧回数 利用開始日 説明 information
j99-d_1_100 pdf なし 2.50 MB 89 2023.09.26  

論文情報

ファイル出力 EndNote Basic出力 Mendeley出力

タイトル
Webサービスシステムの応答性能劣化診断のための学習データ自動選定方法
Automated Training Data Selection for Response Time Degradation Diagnosis of Web Service Systems Using Machine Learning Combination
著者
著者名
植田, 良一
著者名
角井, 健太郎
著者名
爲岡, 啓
NRID
1000060304028 1000060304028
ORCID
0000-0002-8014-4092 0000-0002-8014-4092
researchmap permalink
makoto.matusita makoto.matusita
Scopus Author ID
7402125665 7402125665
著者名
松下, 誠
NRID
1000020168438 1000020168438
著者名
井上, 克郎
キーワード等
automated training data selection
failure detection
machine learning
response time degradation
Web service system
学習データ自動選定
異常検知
機械学習
応答性能劣化
システム性能
内容
植田, 良一, 角井, 健太郎, 爲岡, 啓, 他. Webサービスシステムの応答性能劣化診断のための学習データ自動選定方法. 電子情報通信学会論文誌D 情報・システム J99-D, 100 (2016); https://doi.org/10.14923/transinfj.2015JDP7035.
抄録
WebサービスシステムのCPU/メモリ等を対象とした観測値を元に，システムの状態，特に応答性能異常の検知に寄与する技術を提案する．計算機システムの異常検知の方法は，熟練者が見出した相関に基づくルールベース方式から，過去の運用データから機械学習等の統計処理にて生成したモデルに基づいて異常の診断を行う統計処理方式へと変化しつつある．機械学習を応用する方法では，診断結果の精度を上げるために学習データの量を十分に多くする必要があるが，計算量が多くなるため，やみくもに過去の全データを学習に使うことは現実的ではない．そこで我々は，選別労力をかけずに選んだ初期学習データから開始し，観測データの中から自動的に学習データに追加すべきデータを選別し，これが出現するたびに学習データへ自動的に組み入れ，モデルを逐次更新する方法を提案する．選別を行わずに全データを追加して学習させた場合と，我々が考案する方法で選定した部分データのみ追加して学習させた場合とで，診断結果を比較する実験を行った．その結果，我々の方法を採用した場合，10種中7種の実験で，全データで学習した場合と同等の診断結果が得られることを確認した．
出版者
電子情報通信学会
The Institute of Electronics, Information and Communication Engineers
収録物名
電子情報通信学会論文誌D 情報・システム
巻(号)
J99-D(1)
ページ
100-108
刊行年月
2016-01-01
言語
日本語
ハンドルURL
https://hdl.handle.net/11094/92558
PISSN
18804535
eISSN
18810225
NCID
AA12099634
関連情報 (isIdenticalTo)
DOI (出版社版)
https://doi.org/10.14923/transinfj.2015JDP7035
アクセス権
open access
権利情報
Copyright © 2016 IEICE
出版タイプ
Version of Record
カテゴリ
学術雑誌論文 Journal Article