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
- Improving the detection of technical debt in Java source code with an enriched dataset [12.07607688189035]
技術的負債(Technical debt, TD)とは、開発者が問題に対して迅速かつ簡単なソリューションを選択すると、追加の作業とコストが発生すること。
近年の研究では、ソースコードに埋め込まれたコメントを分析することで、SATD(Self-Admitted Technical Debts)の検出に焦点が当てられている。
コードコメントによって識別された最初のTDデータセットを、関連するソースコードとともにキュレートしました。
論文 参考訳(メタデータ) (2024-11-08T10:12:33Z) - Rubric-based Learner Modelling via Noisy Gates Bayesian Networks for Computational Thinking Skills Assessment [40.06500618820166]
我々は,タスク固有能力ルーブリックから自動スキルアセスメントのための学習者モデルを開発する。
我々は2つのゲート層を持つネットワークを設計し、1つはノイズORゲートによる解離操作を行い、もう1つは論理ANDによる解離操作を行う。
CT-cubeスキルアセスメントフレームワークとCAT(Cross Array Task)は、それを実証し、その実現可能性を示すために使用される。
論文 参考訳(メタデータ) (2024-08-02T12:21:05Z) - Time Series Representation Models [2.724184832774005]
時系列解析は、そのスパース特性、高次元性、一貫性のないデータ品質のため、依然として大きな課題である。
近年のトランス技術の発展により,予測や計算能力が向上している。
イントロスペクションに基づく時系列解析のための新しいアーキテクチャ概念を提案する。
論文 参考訳(メタデータ) (2024-05-28T13:25:31Z) - Serving Deep Learning Model in Relational Databases [70.53282490832189]
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中心アーキテクチャは、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中心アーキテクチャの可能性は、リレーショナルデータベース管理システム(RDBMS)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。
論文 参考訳(メタデータ) (2023-10-07T06:01:35Z) - 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) - 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)
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。