論文の概要: Antipatterns in Software Classification Taxonomies
- arxiv url: http://arxiv.org/abs/2204.08880v1
- Date: Tue, 19 Apr 2022 13:26:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-20 16:58:07.017278
- Title: Antipatterns in Software Classification Taxonomies
- Title（参考訳）: ソフトウェア分類分類のアンチパターン
- Authors: Cezar Sas and Andrea Capiluppi
- Abstract要約: 本稿では,2つのコントリビューションについて述べる。1つ目は,現在のソフトウェア分類環境の品質を評価することである。
2つ目は、ソフトウェアシステムのキュレートされたセットを使用して、ソフトウェアタイプの分類を作成する方法を示すケーススタディを実行することです。
- 参考スコア（独自算出の注目度）: 8.452237741722726
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Empirical results in software engineering have long started to show that
findings are unlikely to be applicable to all software systems, or any domain:
results need to be evaluated in specified contexts, and limited to the type of
systems that they were extracted from. This is a known issue, and requires the
establishment of a classification of software types.
This paper makes two contributions: the first is to evaluate the quality of
the current software classifications landscape. The second is to perform a case
study showing how to create a classification of software types using a curated
set of software systems.
Our contributions show that existing, and very likely even new,
classification attempts are deemed to fail for one or more issues, that we
named as the `antipatterns' of software classification tasks. We collected 7 of
these antipatterns that emerge from both our case study, and the existing
classifications.
These antipatterns represent recurring issues in a classification, so we
discuss practical ways to help researchers avoid these pitfalls. It becomes
clear that classification attempts must also face the daunting task of
formulating a taxonomy of software types, with the objective of establishing a
hierarchy of categories in a classification.
- Abstract（参考訳）: ソフトウェアエンジニアリングにおける実証的な結果から、すべてのソフトウェアシステム、あるいはどのドメインにも、結果が適用できないことが示されている。
これは既知の問題であり、ソフトウェアタイプの分類の確立が必要である。
本稿では,2つのコントリビューションについて述べる。1つ目は,現在のソフトウェア分類環境の品質を評価することである。
2つ目は、ソフトウェアシステムのキュレートされたセットを使用して、ソフトウェアタイプの分類を作成する方法を示すケーススタディを行うことだ。
私たちのコントリビューションは、ソフトウェア分類タスクの'アンチパターン'と名づけた、既存の、あるいは、非常に新しい、分類の試みが1つ以上の問題で失敗していることを示している。
ケーススタディと既存分類の両方から,これらのアンチパターンの7つを収集した。
これらのアンチパターンは、分類において繰り返し発生する問題を表すため、研究者がこれらの落とし穴を避けるための実践的な方法について議論する。
分類の試みは、分類における分類の階層を確立することを目的として、ソフトウェアタイプの分類を定式化するという恐ろしいタスクに直面する必要があることは明らかです。
関連論文リスト
- Multi-Label Requirements Classification with Large Taxonomies [40.588683959176116]
大規模ラベルによる多ラベル要求分類は、要求のトレーサビリティを補助するが、教師付きトレーニングでは違法にコストがかかる。
私たちは129の要件を,250から1183のクラスから769のラベルに関連付けました。
文ベース分類は単語ベース分類と比較して有意に高いリコール率を示した。
階層的な分類戦略は要求分類の性能を必ずしも改善しなかった。
論文 参考訳（メタデータ） (2024-06-07T09:53:55Z) - Toward Research Software Categories [3.839115371462061]
研究ソフトウェアの多次元分類を提案する。
提案するロールベース,開発者ベース,成熟度ベースのカテゴリについて紹介する。
論文 参考訳（メタデータ） (2024-04-22T17:17:17Z) - Tasks People Prompt: A Taxonomy of LLM Downstream Tasks in Software Verification and Falsification Approaches [2.687757575672707]
我々は、分類、マッピング、分析を行うための新しい下流タスク分類法を開発した。
主な分類基準は、タスクタイプの変動点を示しながら、共通点を強調することである。
論文 参考訳（メタデータ） (2024-04-14T23:45:23Z) - Hierarchical Query Classification in E-commerce Search [38.67034103433015]
電子商取引プラットフォームは通常、製品情報と検索データを階層構造に保存し、構造化する。
ユーザ検索クエリを同様の階層構造に効果的に分類することは,eコマースプラットフォーム上でのユーザエクスペリエンスの向上,ニュースキュレーションや学術研究において最重要である。
階層的問合せ分類の本質的な複雑さは,(1)支配的カテゴリに傾倒する顕著なクラス不均衡,(2)正確な分類を妨げる検索クエリの本質的簡潔さとあいまいさの2つの課題によって複雑化されている。
論文 参考訳（メタデータ） (2024-03-09T21:55:55Z) - Learn to Categorize or Categorize to Learn? Self-Coding for Generalized
Category Discovery [49.1865089933055]
テスト時に未知のカテゴリを発見できる新しい,効率的かつ自己管理手法を提案する。
このアプローチの健全な特徴は、個々のデータインスタンスに最小長のカテゴリコードの割り当てである。
試行錯誤による評価は, 提案手法の有効性を実証するものである。
論文 参考訳（メタデータ） (2023-10-30T17:45:32Z) - Parametric Classification for Generalized Category Discovery: A Baseline
Study [70.73212959385387]
Generalized Category Discovery (GCD)は、ラベル付きサンプルから学習した知識を用いて、ラベルなしデータセットで新しいカテゴリを発見することを目的としている。
パラメトリック分類器の故障を調査し,高品質な監視が可能であった場合の過去の設計選択の有効性を検証し,信頼性の低い疑似ラベルを重要課題として同定する。
エントロピー正規化の利点を生かし、複数のGCDベンチマークにおける最先端性能を実現し、未知のクラス数に対して強いロバスト性を示す、単純で効果的なパラメトリック分類法を提案する。
論文 参考訳（メタデータ） (2022-11-21T18:47:11Z) - Classifying with Uncertain Data Envelopment Analysis [0.0]
本稿では,不完全データの現実を前提とした新しい分類手法を提案する。
本モデルでは、不確実なデータ包絡分析を用いて、公平な効率に対する分類の近接性を定義する。
本研究は, ダウ・ジョーンズ工業平均の30株をパフォーマンスレベルに分類し, 前立腺治療を臨床効果カテゴリーに分類することで結論付けた。
論文 参考訳（メタデータ） (2022-09-02T13:41:19Z) - Novel Class Discovery without Forgetting [72.52222295216062]
我々は NCDwF: Novel Class Discovery without Forgetting の新たな実用的問題設定を特定し,定式化する。
ラベルのないデータから新しいカテゴリのインスタンスを段階的に発見する機械学習モデルを提案する。
CIFAR-10, CIFAR-100, ImageNet-1000に基づく実験プロトコルを導入し, 知識保持と新しいクラス発見のトレードオフを測定する。
論文 参考訳（メタデータ） (2022-07-21T17:54:36Z) - AutoNovel: Automatically Discovering and Learning Novel Visual
Categories [138.80332861066287]
本稿では,他のクラスをラベル付けしたイメージコレクションにおける新しいクラス発見問題に対処するため,AutoNovelと呼ばれる新しいアプローチを提案する。
我々はAutoNovelを標準分類ベンチマークで評価し、新しいカテゴリー発見の手法をかなり上回っている。
論文 参考訳（メタデータ） (2021-06-29T11:12:16Z) - Theoretical Insights Into Multiclass Classification: A High-dimensional
Asymptotic View [82.80085730891126]
線形多クラス分類の最初の現代的精度解析を行う。
分析の結果,分類精度は分布に依存していることがわかった。
得られた洞察は、他の分類アルゴリズムの正確な理解の道を開くかもしれない。
論文 参考訳（メタデータ） (2020-11-16T05:17:29Z) - Fine-Grained Visual Classification with Efficient End-to-end
Localization [49.9887676289364]
本稿では,エンド・ツー・エンドの設定において,分類ネットワークと融合可能な効率的なローカライゼーションモジュールを提案する。
我々は,CUB200-2011,Stanford Cars,FGVC-Aircraftの3つのベンチマークデータセット上で,新しいモデルを評価する。
論文 参考訳（メタデータ） (2020-05-11T14:07:06Z)
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。