論文の概要: DebtViz: A Tool for Identifying, Measuring, Visualizing, and Monitoring
Self-Admitted Technical Debt
- arxiv url: http://arxiv.org/abs/2308.13128v1
- Date: Fri, 25 Aug 2023 01:05:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 12:34:27.765674
- Title: DebtViz: A Tool for Identifying, Measuring, Visualizing, and Monitoring
Self-Admitted Technical Debt
- Title（参考訳）: DebtViz: 自己承認型技術的負債を識別、測定、可視化、監視するためのツール
- Authors: Yikun Li, Mohamed Soliman, Paris Avgeriou, Maarten van Ittersum
- Abstract要約: 技術的負債、特にSelf-Admitted Technical Debt (SATD)は、ソフトウェア開発者やマネージャにとって重要な課題である。
本稿では,ソースコードコメントやイシュートラッキングシステムにおいて,様々なSATDを自動検出,分類,可視化,監視するための革新的なSATDツールであるDebtVizを提案する。
- 参考スコア（独自算出の注目度）: 1.6201475185215248
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Technical debt, specifically Self-Admitted Technical Debt (SATD), remains a
significant challenge for software developers and managers due to its potential
to adversely affect long-term software maintainability. Although various
approaches exist to identify SATD, tools for its comprehensive management are
notably lacking. This paper presents DebtViz, an innovative SATD tool designed
to automatically detect, classify, visualize and monitor various types of SATD
in source code comments and issue tracking systems. DebtViz employs a
Convolutional Neural Network-based approach for detection and a deconvolution
technique for keyword extraction. The tool is structured into a back-end
service for data collection and pre-processing, a SATD classifier for data
categorization, and a front-end module for user interaction. DebtViz not only
makes the management of SATD more efficient but also provides in-depth insights
into the state of SATD within software systems, fostering informed
decision-making on managing it. The scalability and deployability of DebtViz
also make it a practical tool for both developers and managers in diverse
software development environments. The source code of DebtViz is available at
https://github.com/yikun-li/visdom-satd-management-system and the demo of
DebtViz is at https://youtu.be/QXH6Bj0HQew.
- Abstract（参考訳）: 技術的負債、特にsatd(self-admitted technical debt)は、長期的ソフトウェア保守性に悪影響を及ぼす可能性があるため、ソフトウェア開発者やマネージャにとって重要な課題である。
SATDの特定には様々なアプローチがあるが、包括的管理のためのツールは特に欠落している。
本稿では,ソースコードコメントやイシュートラッキングシステムにおいて,様々なSATDを自動検出,分類,可視化,監視するための革新的なSATDツールであるDebtVizを提案する。
debtvizは畳み込みニューラルネットワークに基づく検出手法とキーワード抽出のためのデ畳み込み手法を採用している。
データ収集と前処理のためのバックエンドサービス、データ分類のためのSATD分類器、ユーザインタラクションのためのフロントエンドモジュールで構成されている。
DebtVizはSATDの管理をより効率的にするだけでなく、ソフトウェアシステム内のSATDの状態に関する詳細な洞察を提供する。
DebtVizのスケーラビリティとデプロイ性は、様々なソフトウェア開発環境における開発者とマネージャの両方にとって実用的なツールでもある。
DebtVizのソースコードはhttps://github.com/yikun-li/visdom-satd-management-systemで公開されている。
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) - The Impact of SBOM Generators on Vulnerability Assessment in Python: A Comparison and a Novel Approach [56.4040698609393]
Software Bill of Materials (SBOM) は、ソフトウェア構成における透明性と妥当性を高めるツールとして推奨されている。
現在のSBOM生成ツールは、コンポーネントや依存関係を識別する際の不正確さに悩まされることが多い。
提案するPIP-sbomは,その欠点に対処する新しいピップインスパイアされたソリューションである。
論文 参考訳（メタデータ） (2024-09-10T10:12:37Z) - Designing and Implementing a Generator Framework for a SIMD Abstraction Library [53.84310825081338]
SIMD抽象化ライブラリを生成するための新しいエンドツーエンドフレームワークであるTSLGenを提案する。
私たちのフレームワークは既存のライブラリに匹敵するもので、同じパフォーマンスを実現しています。
論文 参考訳（メタデータ） (2024-07-26T13:25:38Z) - Utilization of machine learning for the detection of self-admitted
vulnerabilities [0.0]
技術的負債(Technical debt)とは、短期的なニーズのために導入された、不公平なコードを記述するメタファーである。
開発者はそれを意識し、ソースコードのコメントで認めている。
論文 参考訳（メタデータ） (2023-09-27T12:38:12Z) - Empowering Private Tutoring by Chaining Large Language Models [87.76985829144834]
本研究は,最先端の大規模言語モデル(LLM)を活用した,本格的な知的チューリングシステムの開発を探求する。
このシステムは、相互に接続された3つのコアプロセス(相互作用、反射、反応)に分けられる。
各プロセスは LLM ベースのツールと動的に更新されたメモリモジュールによって実装される。
論文 参考訳（メタデータ） (2023-09-15T02:42:03Z) - Automatically Estimating the Effort Required to Repay Self-Admitted
Technical Debt [1.8208834479445897]
Self-Admitted Technical Debt (SATD)は、ソフトウェアアーティファクト内の開発者が文書化する技術的負債の特定の形式である。
包括的データセットを用いてSATD返済作業を自動的に推定する新しい手法を提案する。
本研究の結果から,SATD はコード/設計,要件,テスト負債といった様々なレベルの返済作業を必要とし,非SATD 項目と比較して高い労力を要することが明らかとなった。
論文 参考訳（メタデータ） (2023-09-12T07:40:18Z) - CausalVLR: A Toolbox and Benchmark for Visual-Linguistic Causal
Reasoning [107.81733977430517]
CausalVLR(Causal Visual-Linguistic Reasoning)は、最先端の因果関係の発見と因果推論方法の豊富なセットを含むオープンソースのツールボックスである。
これらのメソッドはNVIDIAコンピューティングシステムの下でPyTorchを実装したツールボックスに含まれている。
論文 参考訳（メタデータ） (2023-06-30T08:17:38Z) - DiffStack: A Differentiable and Modular Control Stack for Autonomous
Vehicles [75.43355868143209]
DiffStackは、予測、計画、制御のための、微分可能でモジュラーなスタックです。
nuScenesデータセットの結果から,DiffStackによるエンドツーエンドトレーニングは,オープンループおよびクローズループ計画の指標を大幅に改善することが示された。
論文 参考訳（メタデータ） (2022-12-13T09:05:21Z) - Nemo: Guiding and Contextualizing Weak Supervision for Interactive Data
Programming [77.38174112525168]
私たちは、WS 学習パイプラインの全体的な生産性を、一般的な WS 監督アプローチと比較して平均20%(最大 47% のタスク)改善する、エンドツーエンドのインタラクティブなスーパービジョンシステムである Nemo を紹介します。
論文 参考訳（メタデータ） (2022-03-02T19:57:32Z) - Identifying Self-Admitted Technical Debt in Issue Tracking Systems using
Machine Learning [3.446864074238136]
技術的負債は短期的利益のために実装された準最適ソリューションのメタファーである。
Self-Admitted Technical Debtの特定に関する作業の多くは、ソースコードのコメントに重点を置いている。
本稿では,機械学習を用いた問題追跡システムにおけるSATDの自動識別手法の提案と最適化を行う。
論文 参考訳（メタデータ） (2022-02-04T15:15:13Z) - UX Debt: Developers Borrow While Users Pay [2.9479490707938982]
ユーザエクスペリエンス(UX)の負債は、低いユーザビリティを犠牲にして開発をスピードアップするためのショートカットに重点を置いています。
ほとんどの研究は、実装に焦点をあてて、コード中心の技術的負債について検討している。
私たちは、コード中心、アーキテクチャ中心、プロセス中心の3つのUX負債のクラスを概説しました。
論文 参考訳（メタデータ） (2021-04-14T14:59:44Z)
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。