論文の概要: Detecting Semantic Conflicts using Static Analysis
- arxiv url: http://arxiv.org/abs/2310.04269v1
- Date: Fri, 6 Oct 2023 14:13:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 04:24:45.648206
- Title: Detecting Semantic Conflicts using Static Analysis
- Title(参考訳): 静的解析による意味的矛盾の検出
- Authors: Galileu Santos de Jesus, Paulo Borba, Rodrigo Bonif\'acio, Matheus
Barbosa de Oliveira
- Abstract要約: 本稿では,2人の開発者によるコントリビューションをマージする際に,静的解析を用いて干渉を検出する手法を提案する。
統合シナリオから抽出した99個の実験単位のデータセットを用いて,本手法の評価を行った。
- 参考スコア(独自算出の注目度): 1.201626478128059
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Version control system tools empower developers to independently work on
their development tasks. These tools also facilitate the integration of changes
through merging operations, and report textual conflicts. However, when
developers integrate their changes, they might encounter other types of
conflicts that are not detected by current merge tools. In this paper, we focus
on dynamic semantic conflicts, which occur when merging reports no textual
conflicts but results in undesired interference - causing unexpected program
behavior at runtime. To address this issue, we propose a technique that
explores the use of static analysis to detect interference when merging
contributions from two developers. We evaluate our technique using a dataset of
99 experimental units extracted from merge scenarios. The results provide
evidence that our technique presents significant interference detection
capability. It outperforms, in terms of F1 score and recall, previous methods
that rely on dynamic analysis for detecting semantic conflicts, but these show
better precision. Our technique precision is comparable to the ones observed in
other studies that also leverage static analysis or use theorem proving
techniques to detect semantic conflicts, albeit with significantly improved
overall performance.
- Abstract(参考訳): バージョン管理システムツールは、開発者が独立して開発タスクに取り組むことを可能にする。
これらのツールは、マージ操作による変更の統合を促進し、テキスト上の衝突をレポートする。
しかし、開発者が変更を統合すると、現在のマージツールでは検出されない他のタイプの競合に遭遇する可能性がある。
本稿では,動的セマンティックコンフリクトに注目する。このコンフリクトは,レポートのマージ時に発生するが,望ましくない干渉が発生し,実行時に予期しないプログラム動作を引き起こす。
この問題に対処するために,2人の開発者によるコントリビューションを統合する際に,静的解析を用いて干渉を検出する手法を提案する。
統合シナリオから抽出した99個の実験単位のデータセットを用いて,本手法の評価を行った。
その結果,本手法が重要な干渉検出能力を示す証拠が得られた。
f1スコアとリコールの面では、以前の方法ではセマンティックコンフリクトを検出するために動的解析に依存するが、精度は向上している。
我々の技術精度は、静的解析や定理証明技術を利用して意味的矛盾を検出する他の研究と同等であるが、全体的な性能は大幅に改善されている。
関連論文リスト
- Detecting Semantic Conflicts with Unit Tests [5.273883263686449]
ブランチとマージはソフトウェア開発における一般的なプラクティスであり、開発者の生産性を高める。
現代のマージ技術は、テキストの衝突を自動的に解決するが、意味レベルでの衝突が発生すると失敗する。
単体テストの自動生成に基づくセマンティックマージツールであるSemAntic Mergeを提案する。
論文 参考訳(メタデータ) (2023-10-03T19:36:28Z) - PAIF: Perception-Aware Infrared-Visible Image Fusion for Attack-Tolerant
Semantic Segmentation [50.556961575275345]
対向シーンにおけるセグメンテーションの堅牢性を促進するための認識認識型融合フレームワークを提案する。
我々は,先進の競争相手に比べて15.3% mIOUの利得で,ロバスト性を大幅に向上させることを示す。
論文 参考訳(メタデータ) (2023-08-08T01:55:44Z) - Abnormal Event Detection via Hypergraph Contrastive Learning [54.80429341415227]
異常事象検出は多くの実アプリケーションにおいて重要な役割を果たす。
本稿では,分散異種情報ネットワークにおける異常事象検出問題について検討する。
AEHCLと呼ばれる新しいハイパーグラフコントラスト学習法が,異常事象のパターンをフルに捉えるために提案されている。
論文 参考訳(メタデータ) (2023-04-02T08:23:20Z) - Contrastive View Design Strategies to Enhance Robustness to Domain
Shifts in Downstream Object Detection [37.06088084592779]
コントラスト学習とドメイン外オブジェクト検出の実証的研究を行う。
本稿では,外見シフトやコンテキストシフトのシナリオにおいて,ビューを拡大し,堅牢性を高める戦略を提案する。
我々の結果と洞察は、対照的な学習における視点の選択を通じて、堅牢性を確保する方法を示している。
論文 参考訳(メタデータ) (2022-12-09T00:34:50Z) - Diagnosing Errors in Video Relation Detectors [46.792264699927436]
ビデオ関係検出は、コンピュータビジョンにおいて新しくて困難な問題を形成する。
全体的なパフォーマンスはいまだに限界があり、その問題を解決する上で重要な要素が何であるかは不明だ。
本稿では,検出エラーの原因を分析する診断ツールを提案する。
論文 参考訳(メタデータ) (2021-10-25T17:04:08Z) - Exploiting Multi-Object Relationships for Detecting Adversarial Attacks
in Complex Scenes [51.65308857232767]
ディープニューラルネットワーク(DNN)をデプロイするビジョンシステムは、敵の例に弱いことが知られている。
近年の研究では、入力データの固有成分のチェックは、敵攻撃を検出するための有望な方法であることが示された。
言語モデルを用いてコンテキスト整合性チェックを行う新しい手法を開発した。
論文 参考訳(メタデータ) (2021-08-19T00:52:10Z) - Comprehensive Studies for Arbitrary-shape Scene Text Detection [78.50639779134944]
ボトムアップに基づくシーンテキスト検出のための統合フレームワークを提案する。
統一されたフレームワークの下では、非コアモジュールの一貫性のある設定が保証されます。
包括的調査と精巧な分析により、以前のモデルの利点と欠点を明らかにしている。
論文 参考訳(メタデータ) (2021-07-25T13:18:55Z) - Pixel-wise Anomaly Detection in Complex Driving Scenes [30.884375526254836]
本稿では,不確実性マップを用いて異常検出を改善する画素方向異常検出フレームワークを提案する。
私たちのアプローチは、すでにトレーニング済みのセグメンテーションネットワークの一般的なフレームワークとして機能します。
さまざまな異常データセットを対象としたトップ2パフォーマンスは、異なる異常インスタンスを扱うアプローチの堅牢性を示している。
論文 参考訳(メタデータ) (2021-03-09T14:26:20Z) - Automatically detecting the conflicts between software requirements
based on finer semantic analysis [8.035669538927623]
与えられた自然言語機能要件間の競合を自動的に検出するFiner Semantic Analysis-based Requirements Conflict Detector (FSARC) を提案する。
機能要件の調和したセマンティックメタモデルを8タプルで構築する。
そして、テキストパターンとセマンティック依存関係に基づいてルールを検出する限り、7種類の競合を定義します。
論文 参考訳(メタデータ) (2021-03-03T08:39:53Z) - End-to-End Models for the Analysis of System 1 and System 2 Interactions
based on Eye-Tracking Data [99.00520068425759]
本稿では,よく知られたStroopテストの視覚的修正版において,様々なタスクと潜在的な競合事象を特定するための計算手法を提案する。
統計的分析により、選択された変数は、異なるシナリオにおける注意負荷の変動を特徴付けることができることが示された。
機械学習技術は,異なるタスクを分類精度良く区別できることを示す。
論文 参考訳(メタデータ) (2020-02-03T17:46:13Z)
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。