Fugu-MT 論文翻訳(概要): Interactive Visualization for Exploring Information Fragments in Software Repositories

論文の概要: Interactive Visualization for Exploring Information Fragments in Software Repositories

arxiv url: http://arxiv.org/abs/2104.13568v1
Date: Wed, 28 Apr 2021 04:57:18 GMT
ステータス: 処理完了
システム内更新日: 2021-04-29 12:41:36.801338
Title: Interactive Visualization for Exploring Information Fragments in Software Repositories
Title（参考訳）: ソフトウェアリポジトリにおける情報フラグメント探索のためのインタラクティブ可視化
Authors: Youngtaek Kim, Hyeon Jeon, Kiroong Choe, Hyunjoo Song, Bohyoung Kim, Jinwook Seo
Abstract要約: ExIFは、ソフトウェアリポジトリの情報断片を探索するためのインタラクティブなビジュアライゼーションです。クラスタやトポロジカルな隣人の中で新しい情報フラグメントを発見し、ユーザが集めたフラグメントを組み込んだリビジョンを特定する。
参考スコア（独自算出の注目度）: 13.179409714225145
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Software developers explore and inspect software repository data to obtain detailed information archived in the development history. However, developers who are not acquainted with the development context suffer from delving into the repositories with a handful of information; they have difficulty discovering and expanding information fragments considering the topological and sequential multi-dimensional structure of repositories. We introduce ExIF, an interactive visualization for exploring information fragments in software repositories. ExIF helps users discover new information fragments within clusters or topological neighbors and identify revisions incorporating user-collected fragments.
Abstract（参考訳）: ソフトウェア開発者は、開発履歴にアーカイブされた詳細な情報を得るために、ソフトウェアリポジトリデータを探索し、検査する。しかし、開発コンテキストに精通していない開発者は、わずかな情報でリポジトリを掘り下げることに苦慮しており、リポジトリのトポロジカルおよびシーケンシャルな多次元構造を考慮した情報フラグメントの発見と拡張が困難である。ソフトウェアリポジトリ内の情報断片を探索するためのインタラクティブな可視化であるExIFを紹介する。 ExIFは、クラスタやトポロジカルな隣人の間で新しい情報フラグメントを発見し、ユーザが選択したフラグメントを組み込んだリビジョンを識別するのに役立つ。

関連論文リスト

"Show Me What's Wrong!": Combining Charts and Text to Guide Data Analysis [4.016592757754338]
金融詐欺検出の文脈では、アナリストは取引データの中で不審な活動を素早く特定する必要がある。これは、パターンの認識、グループ化、比較といった複雑な探索的なタスクからなる反復的なプロセスである。これらのステップに固有の情報の過負荷を軽減するため、自動化された情報ハイライト、大規模言語モデルが生成するテキストインサイト、視覚分析を組み合わせたツールを提案する。
論文参考訳（メタデータ） (2024-10-01T14:16:10Z)
How to Understand Whole Software Repository? [64.19431011897515]
リポジトリ全体に対する優れた理解は、自動ソフトウェアエンジニアリング(ASE)への重要な道になるでしょう。本研究では,リポジトリ全体を包括的に理解するためのエージェントによるRepoUnderstanderという新しい手法を開発した。リポジトリレベルの知識をより活用するために、エージェントをまとめ、分析し、計画する。
論文参考訳（メタデータ） (2024-06-03T15:20:06Z)
Towards Understanding and Analyzing Rationale in Commit Messages using a Knowledge Graph Approach [1.450261153230204]
我々は現在進行中のkantara end-to-end rationale Restruction Pipelineについて紹介する。また、LinuxカーネルのOut-of-Memoryコンポーネントの実行例用にラベル付きデータセットを作成する作業も行います。
論文参考訳（メタデータ） (2023-09-04T13:28:18Z)
Deep learning for table detection and structure recognition: A survey [49.09628624903334]
本調査の目的は,テーブル検出の分野での大きな進展を深く理解することである。この分野における古典的アプリケーションと新しいアプリケーションの両方について分析する。既存のモデルのデータセットとソースコードは、読者にこの膨大な文献のコンパスを提供するために組織されている。
論文参考訳（メタデータ） (2022-11-15T19:42:27Z)
Layout-Aware Information Extraction for Document-Grounded Dialogue: Dataset, Method and Demonstration [75.47708732473586]
視覚的にリッチな文書から構造的知識と意味的知識の両方を抽出するためのレイアウト対応文書レベル情報抽出データセット(LIE)を提案する。 LIEには製品および公式文書の4,061ページから3つの抽出タスクの62kアノテーションが含まれている。実験の結果、レイアウトはVRDベースの抽出に不可欠であることが示され、システムデモでは、抽出された知識が、ユーザが関心を持っている答えを見つけるのに役立つことも確認されている。
論文参考訳（メタデータ） (2022-07-14T07:59:45Z)
Deep Spectral Methods: A Surprisingly Strong Baseline for Unsupervised Semantic Segmentation and Localization [98.46318529630109]
画像分解をグラフ分割問題として再フレーミングすることで,従来のスペクトル分割法から着想を得た。これらの固有ベクトルはすでにイメージを意味のあるセグメントに分解しており、シーン内のオブジェクトのローカライズに容易に利用できる。データセットにまたがるこれらのセグメントに関連する機能をクラスタ化することで、明確に定義された、名前付き可能なリージョンを得ることができる。
論文参考訳（メタデータ） (2022-05-16T17:47:44Z)
DeepKE: A Deep Learning Based Knowledge Extraction Toolkit for Knowledge Base Population [95.0099875111663]
DeepKEは、名前付きエンティティ認識、関係抽出、属性抽出など、さまざまな情報抽出タスクを実装している。 DeepKEを使えば、開発者や研究者はデータセットやモデルをカスタマイズして、要求に応じて構造化されていないデータから情報を抽出できる。
論文参考訳（メタデータ） (2022-01-10T13:29:05Z)
InSRL: A Multi-view Learning Framework Fusing Multiple Information Sources for Distantly-supervised Relation Extraction [19.176183245280267]
ナレッジベースに広く存在する2つのソース、すなわちエンティティ記述と複数の粒度のエンティティタイプを紹介します。 Intact Space Representation Learning (InSRL) による関係抽出のためのエンドツーエンドのマルチビュー学習フレームワークを提案する。
論文参考訳（メタデータ） (2020-12-17T02:49:46Z)
Auto-Panoptic: Cooperative Multi-Component Architecture Search for Panoptic Segmentation [144.50154657257605]
本稿では、バックボーン、セグメンテーションブランチ、フィーチャーフュージョンモジュールを含むすべての主要コンポーネントを同時に検索する効率的なフレームワークを提案する。検索したアーキテクチャ、すなわちAuto-Panopticは、挑戦的なCOCOとADE20Kベンチマークに関する新しい最先端技術を実現します。
論文参考訳（メタデータ） (2020-10-30T08:34:35Z)
Shedding Light on Blind Spots: Developing a Reference Architecture to Leverage Video Data for Process Mining [0.0]
本稿では,コンピュータビジョンとプロセスマイニングのギャップを埋めるための参照アーキテクチャを提案する。提案した参照アーキテクチャのプロトタイプインスタンス化により,非構造化ビデオデータからプロセス関連イベントのほとんどを自動的に抽出することができる。
論文参考訳（メタデータ） (2020-10-21T20:01:52Z)

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。