Fugu-MT 論文翻訳(概要): Improving the Effectiveness of Traceability Link Recovery using Hierarchical Bayesian Networks

論文の概要: Improving the Effectiveness of Traceability Link Recovery using Hierarchical Bayesian Networks

arxiv url: http://arxiv.org/abs/2005.09046v2
Date: Mon, 11 Apr 2022 15:17:25 GMT
ステータス: 処理完了
システム内更新日: 2022-12-02 00:07:01.945766
Title: Improving the Effectiveness of Traceability Link Recovery using Hierarchical Bayesian Networks
Title（参考訳）: 階層ベイズネットワークを用いたトレーサビリティリンクリカバリの有効性向上
Authors: Kevin Moran, David N. Palacio, Carlos Bernal-C\'ardenas, Daniel McCrystal, Denys Poshyvanyk, Chris Shenefiel, Jeff Johnson
Abstract要約: We implement a HierarchiCal Probabilistic Model for SoftwarE Traceability (Comet) 彗星は、テキスト類似性の複数の尺度の相補的な観察能力を組み合わせることで、人工物間の関係をモデル化することができる。我々は、最適に設定されたベースラインのセットに対する改善を示す、Cometの包括的な経験的評価を行う。
参考スコア（独自算出の注目度）: 21.15456830607455
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Traceability is a fundamental component of the modern software development process that helps to ensure properly functioning, secure programs. Due to the high cost of manually establishing trace links, researchers have developed automated approaches that draw relationships between pairs of textual software artifacts using similarity measures. However, the effectiveness of such techniques are often limited as they only utilize a single measure of artifact similarity and cannot simultaneously model (implicit and explicit) relationships across groups of diverse development artifacts. In this paper, we illustrate how these limitations can be overcome through the use of a tailored probabilistic model. To this end, we design and implement a HierarchiCal PrObabilistic Model for SoftwarE Traceability (Comet) that is able to infer candidate trace links. Comet is capable of modeling relationships between artifacts by combining the complementary observational prowess of multiple measures of textual similarity. Additionally, our model can holistically incorporate information from a diverse set of sources, including developer feedback and transitive (often implicit) relationships among groups of software artifacts, to improve inference accuracy. We conduct a comprehensive empirical evaluation of Comet that illustrates an improvement over a set of optimally configured baselines of $\approx$14% in the best case and $\approx$5% across all subjects in terms of average precision. The comparative effectiveness of Comet in practice, where optimal configuration is typically not possible, is likely to be higher. Finally, we illustrate Comets potential for practical applicability in a survey with developers from Cisco Systems who used a prototype Comet Jenkins plugin.
Abstract（参考訳）: トレーサビリティは現代のソフトウェア開発プロセスの基本的なコンポーネントであり、適切に機能し、セキュアなプログラムを保証するのに役立ちます。トレーサリンクを手動で構築するコストが高いため、研究者は類似度測定を用いてテキストソフトウェアアーティファクトのペア間の関係を描画する自動アプローチを開発した。しかし、これらの技法の有効性は、単一のアーティファクトの類似性しか利用せず、多様な開発アーティファクトのグループ間で同時に(単純かつ明示的な)関係をモデル化できないため、しばしば制限される。本稿では,これらの制約を,確率モデルを用いて克服する方法について述べる。この目的のために、我々は、候補トレースリンクを推測できるHierarchiCal PrObabilistic Model for SoftwarE Traceability (Comet)を設計し、実装する。 cometは、複数の文書的類似性尺度の補完的な観察能力を組み合わせて、アーティファクト間の関係をモデル化することができる。さらに、ソフトウェアアーチファクトのグループ間で、開発者からのフィードバックや過渡的な(しばしば暗黙的な)関係など、さまざまなソースからの情報も取り入れて、推論精度を向上させることができる。我々はcometの総合的な経験的評価を行い、最適に設定されたベースラインの最大値が約14%、平均精度で全被験者に対して約5%の改善を示す。実際には、最適配置が一般的に不可能である場合、cometの比較効果は高い可能性が高い。最後に、Cometsの実用性の可能性について、Comet Jenkinsプラグインのプロトタイプを使用したCisco Systemsの開発者を対象に調査を行った。

関連論文リスト

Implicitly Guided Design with PropEn: Match your Data to Follow the Gradient [52.2669490431145]
PropEnは'matching'にインスパイアされている。一致したデータセットによるトレーニングは、データ分布内に留まりながら、興味のある性質の勾配を近似することを示す。
論文参考訳（メタデータ） (2024-05-28T11:30:19Z)
Balancing Similarity and Complementarity for Federated Learning [91.65503655796603]
フェデレートラーニング(FL)は、モバイルとIoTシステムにおいてますます重要になっている。 FLの重要な課題の1つは、非i.d.データのような統計的不均一性を管理することである。 FL協調における類似性と相補性のバランスをとる新しいフレームワークである texttFedSaC を導入する。
論文参考訳（メタデータ） (2024-05-16T08:16:19Z)
Deep Boosting Learning: A Brand-new Cooperative Approach for Image-Text Matching [53.05954114863596]
画像テキストマッチングのための新しいDeep Boosting Learning (DBL)アルゴリズムを提案する。アンカーブランチは、まずデータプロパティに関する洞察を提供するために訓練される。ターゲットブランチは、一致したサンプルと未一致のサンプルとの相対距離をさらに拡大するために、より適応的なマージン制約を同時に課される。
論文参考訳（メタデータ） (2024-04-28T08:44:28Z)
TRIAD: Automated Traceability Recovery based on Biterm-enhanced Deduction of Transitive Links among Artifacts [53.92293118080274]
トレーサビリティにより、ステークホルダは、ソフトウェアライフサイクル全体で導入されたソフトウェアアーティファクト間のトレースリンクを抽出し、理解することができます。ほとんどの場合、Information Retrieval (IR) など、ソフトウェアアーティファクト間のテキストの類似性に依存している。
論文参考訳（メタデータ） (2023-12-28T06:44:24Z)
An Empirical Study on Data Leakage and Generalizability of Link Prediction Models for Issues and Commits [7.061740334417124]
LinkFormerは既存の予測の精度を保存し、改善する。実世界のシナリオを効果的にシミュレートするためには、研究者はデータの時間的流れを維持する必要がある。
論文参考訳（メタデータ） (2022-11-01T10:54:26Z)
Decorrelative Network Architecture for Robust Electrocardiogram Classification [4.808817930937323]
すべてのシナリオで正確であるネットワークをトレーニングすることはできない。深層学習法は不確実性を推定するためにモデルパラメータ空間をサンプリングする。これらのパラメータは、しばしば、敵の攻撃によって悪用される、同じ脆弱性にさらされる。本稿では,特徴デコレーションとフーリエ分割に基づく新たなアンサンブル手法を提案する。
論文参考訳（メタデータ） (2022-07-19T02:36:36Z)
Data Fusion with Latent Map Gaussian Processes [0.0]
多要素モデリングとキャリブレーションは、エンジニアリング設計においてユビキタスに発生するデータ融合タスクである。本稿では,遅延マップガウス過程(LMGP)に基づく新しい手法を提案する。
論文参考訳（メタデータ） (2021-12-04T00:54:19Z)
PDC-Net+: Enhanced Probabilistic Dense Correspondence Network [161.76275845530964]
高度確率密度対応ネットワーク(PDC-Net+)は、精度の高い高密度対応を推定できる。我々は、堅牢で一般化可能な不確実性予測に適したアーキテクチャと強化されたトレーニング戦略を開発する。提案手法は,複数の挑戦的幾何マッチングと光学的フローデータセットに対して,最先端の結果を得る。
論文参考訳（メタデータ） (2021-09-28T17:56:41Z)
Comparative Code Structure Analysis using Deep Learning for Performance Prediction [18.226950022938954]
本稿では,アプリケーションの静的情報(抽象構文木やASTなど)を用いてコード構造の変化に基づいて性能変化を予測することの実現可能性を評価することを目的とする。組込み学習手法の評価により,木系長短メモリ(LSTM)モデルでは,ソースコードの階層構造を利用して遅延表現を発見し,最大84%(個人的問題)と73%(複数の問題を含む組み合わせデータセット)の精度で性能変化を予測できることが示された。
論文参考訳（メタデータ） (2021-02-12T16:59:12Z)
Centralized Information Interaction for Salient Object Detection [68.8587064889475]
U字型構造は、多スケールの機能を効率的に組み合わせるサリエント物体検出に長けている。本稿では,これらの接続を集中化することにより,相互に相互に情報交換を行うことができることを示す。本手法は, ボトムアップ経路とトップダウン経路の接続を置換することにより, 既存のU字型サルエント物体検出手法と協調することができる。
論文参考訳（メタデータ） (2020-12-21T12:42:06Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。