文献

J-GLOBAL ID：202102290538616534   整理番号：21A0273650

機械学習に基づく弾性探索の自動チューニングについて【JST・京大機械翻訳】

On the Auto-Tuning of Elastic-search based on Machine Learning

著者 (4件)： Lu Zhenyan (University of Chinese Academy of Sciences, China) ,  Chen Chao (University of Chinese Academy of Sciences, China) ,  Xin Jinhan (University of Chinese Academy of Sciences, China) ,  Yu Zhibin (University of Chinese Academy of Sciences, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： CCRIS 2020  ページ： 150-156  発行年： 2020年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 弾性研究は,大量のデータを広く処理するために使用される分散検索エンジンである。それは,最適スループットと待ち時間を達成するために手動で調整するのが非常に難しい多数の構成パラメータを持っている。本論文では,ランダムフォレストと勾配ブースティング回帰ツリーに基づく弾性探索の性能を改善するための自動チューニング法を提案した。弾性研究の作業過程を分析することによって,性能に敏感な構成パラメータを選択して,高精度で機械学習モデルを確立して,種々の構成による弾性研究の性能を正確に予測した。性能予測の助けを借りて,遺伝的アルゴリズムは,与えられたシステム条件の下での弾性探索の最適構成を見つける。異なるサイズと構造を有する3つのデータセットを,評価とベンチマークツールEsRally試験のために選択して,インデックスと質問操作の性能をテストした。実験結果は,著者らの提案方法が,弾性研究のデフォルト構成と比較して,平均で2.73倍,そして,7.02倍まで性能を向上することができるのを示している。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *弾性 ,  スループット ,  待ち時間 ,  *機械学習 ,  遺伝的アルゴリズム ,  検索エンジン
準シソーラス用語： *自動チューニング ,  性能予測 ,  ブースティング ,  高精度 ,  ランダムフォレスト ,  性能最適化 ,  作業工程 , 【Automatic Indexing@JST】

著者キーワード (4件)： 弾性探索 ,  分散サーチエンジン ,  機械学習 ,  性能最適化

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 機械学習 ,  弾性 ,  探索 ,  自動チューニング