論文の概要: Improving Trace Link Recommendation by Using Non-Isotropic Distances and Combinations

• arxiv url: http://arxiv.org/abs/2307.07781v1
• Date: Sat, 15 Jul 2023 11:35:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-18 17:47:12.088113
• Title: Improving Trace Link Recommendation by Using Non-Isotropic Distances and Combinations
• Title（参考訳）: 非等方性距離と組み合わせによるトレースリンク勧告の改善
• Authors: Christof Tinnes
• Abstract要約: トレースリンクを計算するための非線形類似度尺度について検討する。 我々は,4つのオープンソースプロジェクトと2つの産業プロジェクトのデータセットの観測結果を評価した。
• 参考スコア（独自算出の注目度）: 0.799536002595393
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The existence of trace links between artifacts of the software development life cycle can improve the efficiency of many activities during software development, maintenance and operations. Unfortunately, the creation and maintenance of trace links is time-consuming and error-prone. Research efforts have been spent to automatically compute trace links and lately gained momentum, e.g., due to the availability of powerful tools in the area of natural language processing. In this paper, we report on some observations that we made during studying non-linear similarity measures for computing trace links. We argue, that taking a geometric viewpoint on semantic similarity can be helpful for future traceability research. We evaluated our observations on a dataset of four open source projects and two industrial projects. We furthermore point out that our findings are more general and can build the basis for other information retrieval problems as well.
• Abstract（参考訳）: ソフトウェア開発ライフサイクルのアーティファクト間のトレースリンクの存在は、ソフトウェア開発、メンテナンス、運用中の多くのアクティビティの効率を改善することができる。 残念ながら、トレースリンクの作成とメンテナンスは時間がかかり、エラーが発生しやすい。 トレースリンクの自動計算には研究が費やされており、近年は自然言語処理の分野で強力なツールが利用可能になるなど、勢いを増している。 本稿では,トレースリンクを計算するための非線形類似度尺度の研究において行ったいくつかの観測について報告する。 意味的類似性に関する幾何学的視点をとることは、将来のトレーサビリティ研究に役立つと論じている。 我々は,4つのオープンソースプロジェクトと2つの産業プロジェクトのデータセットの観測結果を評価した。 さらに,我々の発見はより一般的であり,他の情報検索問題にも基礎を築けることを指摘する。

関連論文リスト

• Deep Learning for Trajectory Data Management and Mining: A Survey and Beyond [58.63558696061679]
  軌道計算は、位置サービス、都市交通、公共安全など、様々な実用用途において重要である。 トラジェクトリ・コンピューティングのためのディープラーニング(DL4Traj)の開発と最近の進歩について概観する。 特に、軌道計算を増強する可能性を持つ大規模言語モデル(LLM)の最近の進歩をカプセル化する。
  論文  参考訳（メタデータ） (2024-03-21T05:57:27Z)
• TRIAD: Automated Traceability Recovery based on Biterm-enhanced Deduction of Transitive Links among Artifacts [53.92293118080274]
  トレーサビリティにより、ステークホルダは、ソフトウェアライフサイクル全体で導入されたソフトウェアアーティファクト間のトレースリンクを抽出し、理解することができます。 ほとんどの場合、Information Retrieval (IR) など、ソフトウェアアーティファクト間のテキストの類似性に依存している。
  論文  参考訳（メタデータ） (2023-12-28T06:44:24Z)
• Modelling Neighbor Relation in Joint Space-Time Graph for Video Correspondence Learning [53.74240452117145]
  本稿では、ラベルなしビデオから信頼できる視覚対応を学習するための自己教師付き手法を提案する。 接続時空間グラフでは,ノードがフレームからサンプリングされたグリッドパッチであり,2種類のエッジによってリンクされる。 学習した表現は、様々な視覚的タスクにおいて最先端の自己監督手法よりも優れています。
  論文  参考訳（メタデータ） (2021-09-28T05:40:01Z)
• Geography-Aware Self-Supervised Learning [79.4009241781968]
  異なる特徴により、標準ベンチマークにおけるコントラスト学習と教師あり学習の間には、非自明なギャップが持続していることが示される。 本稿では,リモートセンシングデータの空間的整合性を利用した新しいトレーニング手法を提案する。 提案手法は,画像分類,オブジェクト検出,セマンティックセグメンテーションにおけるコントラスト学習と教師あり学習のギャップを埋めるものである。
  論文  参考訳（メタデータ） (2020-11-19T17:29:13Z)
• Learning to associate detections for real-time multiple object tracking [0.0]
  本研究では, ニューラルネットワークを用いて, 検出に使用可能な類似性関数を学習する。 提案したトラッカーは最先端の手法で得られた結果と一致し、ベースラインとして使用される最近の類似手法よりも58%高速に動作している。
  論文  参考訳（メタデータ） (2020-07-12T17:08:41Z)
• Improving the Effectiveness of Traceability Link Recovery using Hierarchical Bayesian Networks [21.15456830607455]
  We implement a HierarchiCal Probabilistic Model for SoftwarE Traceability (Comet) 彗星は、テキスト類似性の複数の尺度の相補的な観察能力を組み合わせることで、人工物間の関係をモデル化することができる。 我々は、最適に設定されたベースラインのセットに対する改善を示す、Cometの包括的な経験的評価を行う。
  論文  参考訳（メタデータ） (2020-05-18T19:38:29Z)
• How Useful is Self-Supervised Pretraining for Visual Tasks? [133.1984299177874]
  我々は、総合的な合成データセットと下流タスクにまたがる様々な自己教師付きアルゴリズムを評価する。 我々の実験は、利用可能なラベルの数が増えるにつれて、セルフスーパービジョンの有用性がどう変化するかについての洞察を提供する。
  論文  参考訳（メタデータ） (2020-03-31T16:03:22Z)
• Distributed Learning in the Non-Convex World: From Batch to Streaming Data, and Beyond [73.03743482037378]
  分散学習は、多くの人々が想定する、大規模に接続された世界の重要な方向となっている。 本稿では、スケーラブルな分散処理とリアルタイムデータ計算の4つの重要な要素について論じる。 実践的な問題や今後の研究についても論じる。
  論文  参考訳（メタデータ） (2020-01-14T14:11:32Z)

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。