要約
ソフトウェアログ分析は、ソフトウェアソリューションの健全性を維持し、コンプライアンスとセキュリティを確保するために重要です。既存のソフトウェアシステムは、さまざまな形式でログを出力する異種のコンポーネントから構成されています。一般的な解決策は、手動で構築したパーサーを使用してログを統一することですが、これは労力を要します。そこで、機械翻訳（Machine Translation: MT）を用いてパースタスクの自動化の可能性を探ることにしました。私たちは、合成Apacheログレコードを生成するツールを作成し、これを用いて再帰型ニューラルネットワークに基づくMTモデルの訓練を行いました。実際のログに対するモデルの評価結果は、これらのモデルがApacheログフォーマットを学習し、個々のログレコードを解析できることを示しています。実際の実世界ログレコードとMT予測との間の中間相対編集距離は28%以下または等しいです。これにより、MT手法を使用したログ解析が有望であることが示されました。