論文の概要: An architectural technical debt index based on machine learning and
architectural smells
- arxiv url: http://arxiv.org/abs/2301.06341v2
- Date: Tue, 17 Oct 2023 10:23:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-21 15:07:43.054944
- Title: An architectural technical debt index based on machine learning and
architectural smells
- Title(参考訳): 機械学習とアーキテクチャ臭いに基づくアーキテクチャ的技術的負債指標
- Authors: Darius Sas, Paris Avgeriou
- Abstract要約: 本稿では,機械学習とアーキテクチャの臭いに基づいて,建築技術的負債の主要因を推定する新しい手法を提案する。
私たちのアプローチでは、単一のアーキテクチャの臭いのインスタンスによって生成される技術的負債の量を見積もることができます。
- 参考スコア(独自算出の注目度): 1.2736372830459493
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: A key aspect of technical debt (TD) management is the ability to measure the
amount of principal accumulated in a system. The current literature contains an
array of approaches to estimate TD principal, however, only a few of them focus
specifically on architectural TD, and none of these are fully automated, freely
available, and thoroughly validated. Moreover, a recent study has shown that
many of the current approaches suffer from certain shortcomings, such as
relying on hand-picked thresholds.
In this paper, we propose a novel approach to estimate architectural
technical debt principal based on machine learning and architectural smells to
address such shortcomings. Our approach can estimate the amount of technical
debt principal generated by a single architectural smell instance. To do so, we
adopt novel techniques from Information Retrieval to train a learning-to-rank
machine learning model that estimates the severity of an architectural smell
and ensure the transparency of the predictions. Then, for each instance, we
statically analyse the source code to calculate the exact number of lines of
code creating the smell. Finally, we combine these two values to calculate the
technical debt principal.
To validate the approach, we conducted a case study and interviewed 16
practitioners, from both open source and industry, and asked them about their
opinions on the TD principal estimations for several smells detected in their
projects. The results show that for 71\% of instances, practitioners agreed
that the estimations provided were \emph{representative} of the effort
necessary to refactor the smell.
- Abstract(参考訳): 技術的負債(TD)管理の重要な側面は、システムに蓄積されたプリンシパルの量を測定する能力である。
現在の文献には、TDプリンシパルを推定するための一連のアプローチが含まれているが、アーキテクチャTDに特に焦点を絞っているのはわずかであり、いずれも完全に自動化され、自由に利用可能であり、完全に検証されているものはない。
さらに、最近の研究では、現在のアプローチの多くは、手選りのしきい値に依存するなど、特定の欠点に苦しむことが示されている。
本稿では,機械学習とアーキテクチャの臭いに基づくアーキテクチャ的技術的負債の主要因を推定し,その欠点に対処する新しい手法を提案する。
私たちのアプローチでは、単一のアーキテクチャの臭いのインスタンスによって生成される技術的負債の量を見積もることができる。
そこで我々は,インフォメーション検索の新たな手法を採用し,アーキテクチャの匂いの重症度を推定し,予測の透明性を確保する機械学習モデルを訓練する。
そして、各インスタンスに対して、ソースコードを静的に分析して、臭いを生み出すコードの行数を正確に計算します。
最後に、これらの2つの値を組み合わせて、技術的負債のプリンシパルを計算する。
このアプローチを検証するために,オープンソースと業界の両方から16人の実践者を対象にケーススタディを実施し,プロジェクト内で検出されたいくつかの匂いに対するTDプリンシパル見積について質問した。
その結果,71 %の症例において,提供された評価は嗅覚の補充に要する労力の「emph{representative>」であることがわかった。
関連論文リスト
- Serving Deep Learning Model in Relational Databases [72.72372281808694]
リレーショナルデータ上での深層学習(DL)モデルの実現は、様々な商業分野や科学分野において重要な要件となっている。
最先端のDL-Centricアーキテクチャは、DL計算を専用のDLフレームワークにオフロードします。
UDF-Centricアーキテクチャは、データベースシステム内の1つ以上のテンソル計算をユーザ定義関数(UDF)にカプセル化する。
potentialRelation-Centricアーキテクチャは、演算子による大規模テンソル計算を表現することを目的としている。
論文 参考訳(メタデータ) (2023-10-07T06:01:35Z) - Unity is Strength: Cross-Task Knowledge Distillation to Improve Code
Review Generation [0.9208007322096533]
本稿では,クロスタスク知識蒸留に基づく新しいディープラーニングアーキテクチャであるdisCOREVを提案する。
提案手法では,コメント生成モデルの微調整をコードリファインメントモデルで指導する。
以上の結果から,本手法はBLEUスコアによって評価されたより良いレビューコメントを生成することが示された。
論文 参考訳(メタデータ) (2023-09-06T21:10:33Z) - On Reward Structures of Markov Decision Processes [4.13365552362244]
マルコフ決定過程は、遷移カーネルと報酬関数によってパラメータ化することができる。
ロボット応用の需要に触発された強化学習に関連する様々な「コスト」について検討する。
単一状態値を推定するためのインスタンス固有のエラーを$tildeO(sqrtfractau_sn)$にバインドした新しい推定器を開発する。
論文 参考訳(メタデータ) (2023-08-28T22:29:16Z) - Teacher-Student Architecture for Knowledge Distillation: A Survey [17.58895983901923]
いくつかのパラメータを持つ学生ネットワークは、多くのパラメータを持つディープ・教師ネットワークに匹敵する性能を達成することができる。
教師-学生アーキテクチャは、様々な知識蒸留(KD)の目的に効果的に広く受け入れられてきた。
論文 参考訳(メタデータ) (2023-08-08T14:09:33Z) - EmbedDistill: A Geometric Knowledge Distillation for Information
Retrieval [83.79667141681418]
大規模なニューラルモデル(トランスフォーマーなど)は、情報検索(IR)のための最先端のパフォーマンスを達成する
本研究では,大規模教師モデルで学習したクエリとドキュメント間の相対的幾何を利用した新しい蒸留手法を提案する。
提案手法は, 両エンコーダ (DE) とクロスエンコーダ (CE) の2種類の教師モデルから, 95~97%の教師性能を維持できる1/10の非対称な学生への蒸留に成功した。
論文 参考訳(メタデータ) (2023-01-27T22:04:37Z) - TransPath: Learning Heuristics For Grid-Based Pathfinding via
Transformers [64.88759709443819]
探索の効率を顕著に向上させると考えられる,インスタンス依存のプロキシを学習することを提案する。
私たちが最初に学ぶことを提案するプロキシは、補正係数、すなわち、インスタンスに依存しないコスト・ツー・ゴの見積もりと完璧な見積もりの比率である。
第2のプロキシはパス確率であり、グリッドセルが最も短いパスに横たわっている可能性を示している。
論文 参考訳(メタデータ) (2022-12-22T14:26:11Z) - Deconstructing Self-Supervised Monocular Reconstruction: The Design
Decisions that Matter [63.5550818034739]
本稿では,自己教師付き単分子深度推定への最先端の貢献を評価するための枠組みを提案する。
事前トレーニング、バックボーン、アーキテクチャ設計の選択、損失関数が含まれる。
我々は16の最先端コントリビューションを再実装し、検証し、再評価し、新しいデータセットを導入します。
論文 参考訳(メタデータ) (2022-08-02T14:38:53Z) - Fast Uncertainty Quantification for Deep Object Pose Estimation [91.09217713805337]
深層学習に基づくオブジェクトポーズ推定は、しばしば信頼できない、自信過剰である。
本研究では,6-DoFオブジェクトのポーズ推定のための,シンプルで効率的かつプラグアンドプレイなUQ手法を提案する。
論文 参考訳(メタデータ) (2020-11-16T06:51:55Z) - A Diagnostic Study of Explainability Techniques for Text Classification [52.879658637466605]
既存の説明可能性技術を評価するための診断特性のリストを作成する。
そこで本研究では, モデルの性能と有理性との整合性の関係を明らかにするために, 説明可能性手法によって割り当てられた有理性スコアと有理性入力領域の人間のアノテーションを比較した。
論文 参考訳(メタデータ) (2020-09-25T12:01:53Z) - The Price of Tailoring the Index to Your Data: Poisoning Attacks on
Learned Index Structures [9.567119607658299]
本研究は,学習指標構造に対する毒素攻撃に関する最初の研究である。
累積分布関数に基づいて学習した線形回帰モデルに対する最初の中毒攻撃を定式化する。
我々は,本手法を一般化し,学習指標構造のより先進的な2段階設計に対処する。
論文 参考訳(メタデータ) (2020-08-01T17:12:04Z)
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。