論文の概要: A Mining Software Repository Extended Cookbook: Lessons learned from a
literature review
- arxiv url: http://arxiv.org/abs/2110.04095v1
- Date: Fri, 8 Oct 2021 12:49:09 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-11 20:23:53.685255
- Title: A Mining Software Repository Extended Cookbook: Lessons learned from a
literature review
- Title(参考訳): A Mining Software Repository Extended Cookbook: 文献レビューから学んだこと
- Authors: Daniel Barros, Flavio Horita, Igor Wiese, Kanan Silva
- Abstract要約: Mining Software Repositories(MSR)の主な目的は、最新の拡張を発見し、ソフトウェアプロジェクトを改善する方法についての洞察を提供することである。
本稿では,MSR クックブックの MSR の知見を更新し,まず,最先端のクックブックを抽出・解析し,拡張したバージョンのクックブックを提案する。
この拡張されたクックブックは、4つの高いレベルのテーマに基づいて構築され、112の選ばれた研究のリストの分析から導かれた。
- 参考スコア(独自算出の注目度): 1.5293427903448022
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The main purpose of Mining Software Repositories (MSR) is to discover the
latest enhancements and provide an insight into how to make improvements in a
software project. In light of it, this paper updates the MSR findings of the
original MSR Cookbook, by first conducting a systematic mapping study to elicit
and analyze the state-of-the-art, and then proposing an extended version of the
Cookbook. This extended Cookbook was built on four high-level themes, which
were derived from the analysis of a list of 112 selected studies. Hence, it was
used to consolidate the extended Cookbook as a contribution to practice and
research in the following areas by: 1) including studies published in all
available and relevant publication venues; 2) including and updating
recommendations in all four high-level themes, with an increase of 84% in
comments in this study when compared with the original MSR Cookbook; 3)
summarizing the tools employed for each high-level theme; and 4) providing
lessons learned for future studies. Thus, the extended Cookbook examined in
this work can support new research projects, as upgraded recommendations and
the lessons learned are available with the aid of samples and tools.
- Abstract(参考訳): Mining Software Repositories(MSR)の主な目的は、最新の拡張を発見し、ソフトウェアプロジェクトを改善する方法についての洞察を提供することである。
そこで本稿では,本稿では,msr cookbookのmsr解析結果の更新を行い,まずシステムマッピングを行い,最新技術の解明と分析を行い,その後,拡張版のクックブックを提案する。
この拡張された料理本は、選択された112の研究のリストの分析から派生した4つの高レベルなテーマに基づいて構築された。
そのため、次の分野における実践・研究への貢献として、拡張料理本の統合に用いられた。
1) 利用可能なすべての出版施設及び関連出版施設で公表された研究を含む。
2)4つのハイレベルテーマすべてにレコメンデーションを盛り込み,更新し,元のMSRクックブックと比較すると,本研究のコメントは84%増加した。
3) ハイレベルなテーマごとに使用するツールの要約
4)将来の研究で学んだ教訓の提供。
このように、本研究で調査されたCookbookの拡張は、サンプルとツールの助けを借りて、改善されたレコメンデーションと学習が利用可能であるように、新しい研究プロジェクトを支援することができる。
関連論文リスト
- SciRIFF: A Resource to Enhance Language Model Instruction-Following over Scientific Literature [80.49349719239584]
SciRIFF(Scientific Resource for Instruction-Following and Finetuning, SciRIFF)は、54のタスクに対して137Kの命令追従デモのデータセットである。
SciRIFFは、幅広い科学分野の研究文献から情報を抽出し、合成することに焦点を当てた最初のデータセットである。
論文 参考訳(メタデータ) (2024-06-10T21:22:08Z) - Tool Learning with Large Language Models: A Survey [60.733557487886635]
大規模言語モデル(LLM)を用いたツール学習は,高度に複雑な問題に対処するLLMの能力を強化するための,有望なパラダイムとして登場した。
この分野での注目と急速な進歩にもかかわらず、現存する文献は断片化され、体系的な組織が欠如している。
論文 参考訳(メタデータ) (2024-05-28T08:01:26Z) - Towards Coarse-to-Fine Evaluation of Inference Efficiency for Large Language Models [95.96734086126469]
大規模言語モデル(LLM)は、ユーザが仕事を達成するのを助けるアシスタントとして機能し、高度なアプリケーションの開発をサポートする。
LLMの幅広い応用にとって、推論効率は重要な問題であり、既存の研究で広く研究されている。
各種コードライブラリの推論性能の粗大な解析を行う。
論文 参考訳(メタデータ) (2024-04-17T15:57:50Z) - EasyRL4Rec: An Easy-to-use Library for Reinforcement Learning Based Recommender Systems [18.22130279210423]
我々は、RLベースのRS用に特別に設計された、使いやすいコードライブラリであるEasyRL4Recを紹介する。
このライブラリは5つのパブリックデータセットに基づいた軽量で多様なRL環境を提供する。
EasyRL4Recは、RLベースのRSのドメインにおけるモデル開発と実験プロセスの促進を目指している。
論文 参考訳(メタデータ) (2024-02-23T07:54:26Z) - A Survey on Query-based API Recommendation [12.999521865816185]
アプリケーションプログラミングインターフェース(API)は、開発者がより効率的にソフトウェアを構築するのに役立つように設計されています。
この研究領域を理解するため,過去10年間に公開されたAPIレコメンデーション研究を分析した。
論文 参考訳(メタデータ) (2023-12-17T06:39:10Z) - LLMs for Knowledge Graph Construction and Reasoning: Recent Capabilities and Future Opportunities [66.36633042421387]
知識グラフ(KG)の構築と推論のための大規模言語モデル(LLM)の評価。
我々は,LLMと外部ソースを用いたマルチエージェントベースのアプローチであるAutoKGを提案し,KGの構築と推論を行う。
論文 参考訳(メタデータ) (2023-05-22T15:56:44Z) - The Semantic Scholar Open Data Platform [79.4493235243312]
セマンティック・スカラー(Semantic Scholar、S2)は、学術文献の発見と理解を支援することを目的としたオープンデータプラットフォームおよびウェブサイトである。
我々は、学術的なPDFコンテンツ抽出と知識グラフの自動構築のための最先端技術を用いて、パブリックおよびプロプライエタリなデータソースを組み合わせる。
このグラフには、構造解析されたテキスト、自然言語要約、ベクトル埋め込みなどの高度な意味的特徴が含まれている。
論文 参考訳(メタデータ) (2023-01-24T17:13:08Z) - Embedding Knowledge for Document Summarization: A Survey [66.76415502727802]
従来の研究は、知識を組み込んだ文書要約器が優れた消化器を生成するのに優れていたことを証明した。
本稿では,文書要約ビューに基づいて,知識と知識の埋め込みを再カプセル化する手法を提案する。
論文 参考訳(メタデータ) (2022-04-24T04:36:07Z) - L'Apprentissage Automatique dans la planification et le contr{\^o}le de
la production : un {\'e}tat de l'art [0.0]
本研究の目的は、生産計画と制御に機械学習を適用するための技術とツールを特定することである。
また、最近の研究論文では、産業4.0(I4.0)の特徴についてもレビューしている。
論文 参考訳(メタデータ) (2021-06-23T09:36:39Z) - torchdistill: A Modular, Configuration-Driven Framework for Knowledge
Distillation [1.8579693774597703]
本稿では,PyTorchをベースとしたオープンソースフレームワークについて紹介する。
このフレームワークは、ユーザが宣言型PyYAML構成ファイルで実験を設計できるように設計されている。
我々は、大規模な機械学習カンファレンスで提示されたImageNetとCOCOデータセットで、元の実験結果の一部を再現する。
論文 参考訳(メタデータ) (2020-11-25T17:51:30Z) - What's happened in MOOC Posts Analysis, Knowledge Tracing and Peer
Feedbacks? A Review [5.067828201066184]
学習管理システム(LMS)と教育データマイニング(EDM)はオンライン教育環境の重要な2つの部分である。
本稿では,EDMの問題点と既存のオープン問題を特定することによる3つの主要な課題の文献レビューと,Blumenfieldチャートについて述べる。
論文 参考訳(メタデータ) (2020-01-27T14:45:55Z)
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。