MétaCan
Menu
Retour à la cohorte
Enregistrement W2101486793 · doi:10.1145/1723028.1723092

Root cause analysis and diagnosis in SOA and cloud environments

2009· article· en· W2101486793 sur OpenAlexaff
Serge Mankovski, Kostas Kontogiannis, Hausi Müller, Ken Wong

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueService-Oriented Architecture and Web Services
Établissements canadiensUniversity of AlbertaUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésComputer scienceOrchestrationService-oriented architectureCloud computingProcess managementImplementationService (business)Software engineeringFlexibility (engineering)Business processEnterprise application integrationBusiness Process Execution LanguageProvisioningComponent (thermodynamics)Enterprise architectureWeb serviceWorld Wide WebArchitectureEnterprise systems engineeringBusinessOperating systemEngineeringOperations management

Résumé

récupéré en direct d'OpenAlex

Modern information technology (IT) is comprised of a complex mix of infrastructure components provisioning enterprise applications performing tasks in various enterprise business processes. Over the years these components were integrated into overall business processes using various integration technologies and architectures. In recent years, service-oriented architecture (SOA) approaches have emerged which separate the service implementations from its interfaces. Stable service interfaces allow for the integration of services at a higher level and orchestration of services into ever more complex business solutions. However, the implementation of a service can change at any time, and this is considered a good thing because of its flexibility. Sometimes a services implementation is comprised of a single software component, but in an enterprise setting, a service might be composed of multiple IT applications, systems, networks and databases interconnected in elaborate ways. Since business needs change, components of a service implementation change and evolve to meet changing business needs.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,017
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,006
Tête enseignante GPT0,216
Écart entre enseignants0,211 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetService-Oriented Architecture and Web ServicesTravaux en français237 207