IJCAIDec, 2021

从单体应用到微服务：通过异构图神经网络表示应用软件

PDF
TL;DR通过基于异构图的表征学习解决将单体应用迁移成微服务架构中遇到的挑战。实验研究表明，我们的方法对不同种类的单体系统有效。
monolithic softwaremicroservice architecturerepresentation learningheterogeneous graphgraph neural network
发现论文，激发创造
  • 图神经网络对离群值进行稀释，用于重构单体应用程序

    本文提出了一种基于图神经网络方法的微服务重构技术，能够更好地理解软件系统并在云端环境下优化资源分配，识别异常点协助软件重构，与现有软件工程及基于图表示的技术相比表现更佳。

    Feb, 2021

  • 使用代码层次结构表示程序的学习

    本文针对现有技术在软件工程任务中依然存在两个问题：长期依赖和不同的代码组件被平等地处理。为了解决这些问题，本文提出了一种代表代码的层次结构（“Code Hierarchy”）和一种网络架构（“ECHELON”），该架构将异构图变换网络和基于树的卷积神经网络的优点相结合用于学习富含代码依赖信息的抽象语法树。同时，本文提出了一种新的预训练目标 “Missing Subtree Prediction” 来补充 “Code Hierarchy”。评估结果表明，我们的方法在任何代码完成、代码分类和代码克隆检测方面明显优于其他基线。

    May, 2022

  • 基于微服务的框架，支持互操作的物联网应用，以增强数据分析能力

    提出了一种基于微服务和语义虚拟化的物联网架构，通过知识驱动和数据驱动技术支持智能服务，并使用机器学习管道实现数据驱动方面。

    Oct, 2019

  • 从单片到微服务：重构方法的分类

    本研究讨论了微服务架构重构的概念，比较了 10 种现有的重构方法，并通过决策指南形式的可视化展示，提供了一个快速参考的决策方案。

    Jul, 2018

  • 微服务生命周期中的 AI 技术调查

    本文介绍了如何使用人工智能技术来解决微服务架构在部署、协调和相互之间交互等方面遇到的挑战。

    May, 2023

  • 学习用异构图表示程序

    本研究提出了从源代码的抽象语法树构建异构编程图用于方法命名和代码注释生成的方法，并使用异构图神经网络学习这些图。实验结果表明，利用编程图中节点和边的类型信息可以帮助学习程序语义，本方法优于基线模型。

    Dec, 2020

  • 使用图形超网络进行异构架构的联邦学习

    提出了一个新的标准联邦学习 (FL) 框架，该框架通过采用图形超网络进行参数共享，适应了异构客户端架构的需求，并在标准基准测试中表现显着优于现有解决方案。

    Jan, 2022

  • 异构图嵌入综述：方法、技术、应用和来源

    本文综述了近年来异构图嵌入方法和技术的发展，并系统地归类了各种学习方法来解决异构性带来的挑战，探索了不同类型的应用中使用嵌入方法的可行性，总结了开源代码、现有的图学习平台和基准数据集，预测了未来的研究方向。

    Nov, 2020

  • 基于文档的知识发现与微服务架构

    基于微服务架构的知识发现中的关键挑战和应对方法，包括数字化、关键词提取、文档相似度计算、自然语言数据库查询以及独立提供抽取的信息，还提供了相应的参考设计指南。

    Jun, 2024

  • 将社交网络表示为动态异构图

    本文提出一种新的动态异构图表示社交网络的方法，包括时间在图的每个组件中，并用于描绘社交网络中的多样性。演示了此表现力的作用，同时使用图神经网络展示动态查询和预测任务的详细表现。

    Sep, 2022