## Memo ## Memo with LLM ## Abstract マイクロサービス・アーキテクチャによって拡張されたオンライン・サービス・システムでは、監視メトリクスの数が多く、障害の種類も多いため、根本原因の特定は困難である。 これまでの研究では、障害依存グラフを構築することで根本原因を特定してきたが、ほとんどの障害は繰り返し発生し、システム指標が多く、障害データのバランスが悪い。 多数のシステム主要性能指標（KPI）と不均衡な故障データの問題を目的として、本論文はマルチソースKPI根本原因特定フレームワークST-RFを提案する。 まず、[[tsfresh]]特徴抽出に基づいて、マルチインデックス融合特徴ベクトル（MFFV）を構築する。 次に、ランダムフォレストを用いてMFFVを分類し、SMOTEを用いて既存のサンプルを用いて新しいサンプルを生成し、データの不均衡の問題を解決する。 半合成データセットと実データセットで評価した結果、ST-RFの方がTop-k精度が高く、平均探索回数が少ないことが示された。