SCOPE：統語・意味の協調による、木構造ベースの自己修正型オンラインログパース

要旨: ログパースは、複雑なシステムにおける自動ログ分析のための重要な手順である。従来のヒューリスティック（経験則）ベースの手法は高い効率を提供する一方、セマンティック（意味的）な文脈を見落とすことにより精度に限界がある。これに対し、近年のLLM（大規模言語モデル）ベースのパーサはセマンティック理解によって精度を向上させるが、頻繁なモデル呼び出しに起因する高い遅延が問題となる。本研究では、ヒューリスティック型とLLM型の双方の強みを統合する、最初の自己訂正型オンラインログパース手法であるSCOPEを提案する。SCOPEは双方向の木構造という新規な構造を導入し、前方および逆方向の両方から効率的にテンプレート照合を可能にすることで、全体としての照合率を高める。さらに、二段階の統語-意味コラボレーション（協調）フレームワークを採用する。軽量なNLPモデルがまず品詞（POS）情報を用いて統語に基づくマッチングを行い、不確実性が残るセマンティックに複雑なケースに対してのみ、LLMをフォールバックとして選択的に呼び出す。この設計により、LLM APIの利用を大幅に削減しつつ高い精度を維持し、効率と有効性のバランスを実現する。多様なベンチマークデータセットに対する大規模な評価の結果、SCOPEは精度と効率の両面で最先端手法を上回ることが示された。実装とデータセットは、さらなる研究を促進するために公開されている。