論文の概要: How can feature usage be tracked across product variants? Implicit Feedback in Software Product Lines

• arxiv url: http://arxiv.org/abs/2309.04278v2
• Date: Fri, 15 Sep 2023 09:37:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-23 08:43:58.817998
• Title: How can feature usage be tracked across product variants? Implicit Feedback in Software Product Lines
• Title（参考訳）: 機能の利用状況は、製品によってどのように追跡できるのか? ソフトウェア製品ラインにおける暗黙のフィードバック
• Authors: Oscar D\'iaz, Raul Medeiros, Mustafa Al-Hajjaji
• Abstract要約: この研究はソフトウェア製品ライン(SPL)における暗黙のフィードバックに取り組む プラットフォーム中心のフィードバックの必要性により、SPLのフィードバックは、両方のアーティファクトをトラックするアプリケーションのフィードバックから切り離される。
• 参考スコア（独自算出の注目度）: 3.2228025627337873
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Implicit feedback is collecting information about software usage to understand how and when the software is used. This research tackles implicit feedback in Software Product Lines (SPLs). The need for platform-centric feedback makes SPL feedback depart from one-off-application feedback in both the artefact to be tracked (the platform vs the variant) as well as the tracking approach (indirect coding vs direct coding). Traditionally, product feedback is achieved by embedding `usage trackers' into the software's code. Yet, products are now members of the SPL portfolio, and hence, this approach conflicts with one of the main SPL tenants: reducing, if not eliminating, coding directly into the variant's code. Thus, we advocate for Product Derivation to be subject to a second transformation that precedes the construction of the variant based on the configuration model. This approach is tested through FEACKER, an extension to pure::variants. We resorted to a TAM evaluation on pure-systems GmbH employees(n=8). Observed divergences were next tackled through a focus group (n=3). The results reveal agreement in the interest in conducting feedback analysis at the platform level (perceived usefulness) while regarding FEACKER as a seamless
• Abstract（参考訳）: 暗黙のフィードバックは、ソフトウェアの使用方法と使用時期を理解するために、ソフトウェアの使用状況に関する情報を集めることである。 この研究はソフトウェア製品ライン(SPL)の暗黙のフィードバックに取り組む。 プラットフォーム中心のフィードバックの必要性により、splのフィードバックは、追跡すべきアーティファクト(プラットフォーム対変異)とトラッキングアプローチ(間接コーディング対直接コーディング)の両方において、単発のアプリケーションからのフィードバックから逸脱する。 伝統的に、製品からのフィードバックはソフトウェアコードに ‘usage trackers’ を組み込むことで達成される。 しかし、今や製品はSPLポートフォリオのメンバーであり、それゆえ、このアプローチは主要なSPLテナントの1つと矛盾している。 そこで,我々は製品導出を,構成モデルに基づく変種の構成に先行する第2変種変換の対象とすることを提唱する。 このアプローチは、純粋な::variantsの拡張であるFEACKERを通じてテストされる。 我々は,pure-systems gmbh従業員に対するtam評価(n=8)を行った。 次に焦点群 (n=3) を通して観察された発散について検討した。 その結果,FEACKERをシームレスに扱う上で,プラットフォームレベルでのフィードバック分析(有用性認識)の実施に関心があることが判明した。

関連論文リスト

• Disentangling Likes and Dislikes in Personalized Generative Explainable Recommendation [26.214148426964794]
  ユーザの感情に焦点をあてた新しいデータセットと評価手法を導入する。 購入後のレビューから,ユーザの肯定的,否定的な意見を明示的に抽出し,データセットを構築する。 生成した説明文がユーザの感情に合致するかどうかに基づいてシステムを評価することを提案する。
  論文  参考訳（メタデータ） (2024-10-17T06:15:00Z)
• Coffee: Boost Your Code LLMs by Fixing Bugs with Feedback [22.009589058160184]
  フィードバックでコードを修正するために特別に設計されたデータセットであるCoffeeを紹介します。 CoffeePotsは、Preference-d Tuning and Selectionを通じて、FEEdbackでCOdeフィクスを行うためのフレームワークである。
  論文  参考訳（メタデータ） (2023-11-13T10:15:19Z)
• TPDR: A Novel Two-Step Transformer-based Product and Class Description Match and Retrieval Method [5.388982643630806]
  本稿では,2段階のトランスフォーマーベース製品とクラス記述検索手法を提案する。 TPDRは注意機構とコントラスト学習を利用して、ISとSD間の意味的対応を探索する。 71%の症例において, 正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正正
  論文  参考訳（メタデータ） (2023-10-05T12:02:51Z)
• LeTI: Learning to Generate from Textual Interactions [60.425769582343506]
  本稿では,テキストインタラクション(LETI)から学習するLMの可能性を,バイナリラベルによる正当性をチェックするだけでなく,テキストフィードバックを通じて出力中のエラーをピンポイントし,説明する。 私たちの焦点はコード生成タスクであり、そこではモデルが自然言語命令に基づいてコードを生成する。 LETIは、目的のLMを用いて、自然言語命令、LM生成プログラム、テキストフィードバックの結合に基づいて、モデルを反復的に微調整する。
  論文  参考訳（メタデータ） (2023-05-17T15:53:31Z)
• Backbone is All Your Need: A Simplified Architecture for Visual Object Tracking [69.08903927311283]
  既存のトラッキングアプローチはカスタマイズされたサブモジュールに依存しており、アーキテクチャの選択に事前知識が必要である。 本稿では,コンバータバックボーンを用いた簡易なトラッキングアーキテクチャ(SimTrack)を提案する。 我々のSimTrackは、LaSOT/TNL2Kで2.5%/2.6%のAUCゲインでベースラインを改善し、ベルやホイッスルのない他の特殊な追跡アルゴリズムと競合する結果を得る。
  論文  参考訳（メタデータ） (2022-03-10T12:20:58Z)
• Visual Transformer for Task-aware Active Learning [49.903358393660724]
  プールベースのアクティブラーニングのための新しいパイプラインを提案する。 提案手法は,学習中に使用可能なアンラベリング例を利用して,ラベル付き例との相関関係を推定する。 ビジュアルトランスフォーマーは、ラベル付き例と非ラベル付き例の間の非ローカルビジュアル概念依存性をモデル化する。
  論文  参考訳（メタデータ） (2021-06-07T17:13:59Z)
• TrTr: Visual Tracking with Transformer [29.415900191169587]
  トランスフォーマーエンコーダデコーダアーキテクチャと呼ばれる強力な注意メカニズムに基づく新しいトラッカーネットワークを提案する。 形状非依存アンカーに基づくターゲットのローカライズを行うトランスの出力を用いて,分類と回帰ヘッドを設計する。 本手法は最先端のアルゴリズムに好適に作用する。
  論文  参考訳（メタデータ） (2021-05-09T02:32:28Z)
• S3M: Siamese Stack (Trace) Similarity Measure [55.58269472099399]
  本稿では、深層学習に基づくスタックトレースの類似性を計算する最初のアプローチであるS3Mを紹介します。 BiLSTMエンコーダと、類似性を計算するための完全接続型分類器をベースとしている。 私たちの実験は、オープンソースデータとプライベートなJetBrainsデータセットの両方において、最先端のアプローチの優位性を示しています。
  論文  参考訳（メタデータ） (2021-03-18T21:10:41Z)
• Autoencoding Variational Autoencoder [56.05008520271406]
  我々は,この行動が学習表現に与える影響と,自己整合性の概念を導入することでそれを修正する結果について検討する。 自己整合性アプローチで訓練されたエンコーダは、敵攻撃による入力の摂動に対して頑健な(無神経な)表現につながることを示す。
  論文  参考訳（メタデータ） (2020-12-07T14:16:14Z)
• Alpha-Refine: Boosting Tracking Performance by Precise Bounding Box Estimation [87.53808756910452]
  そこで我々は,Alpha-Refineと呼ばれる新しい,フレキシブルで高精度な改良モジュールを提案する。 正確なピクセルワイド相関層と空間認識の非局所層を利用して特徴を融合させ、バウンディングボックス、コーナー、マスクの3つの相補的な出力を予測する。 提案するAlpha-Refineモジュールは,DiMP,ATOM,SiamRPN++,RTMDNet,ECOの5つの有名かつ最先端のベーストラッカーに適用する。
  論文  参考訳（メタデータ） (2020-07-04T07:02:25Z)
• Leveraging Cross Feedback of User and Item Embeddings with Attention for Variational Autoencoder based Collaborative Filtering [25.569930256022925]
  本稿では,VAEをベースとしたベイズ型MFフレームワークを提案する。 このフレームワークは、ユーザとアイテムのエンコーダへの埋め込みの相互フィードバックを反復的に行う。 現在再サンプリングされているユーザとアイテムの埋め込みに対して、行列係数化によってデータを再構築する。
  論文  参考訳（メタデータ） (2020-02-21T06:05:06Z)

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。