Fugu-MT 論文翻訳(概要): Comprehending Variability in Analysis Results of Software Product Lines

論文の概要: Comprehending Variability in Analysis Results of Software Product Lines

arxiv url: http://arxiv.org/abs/2310.20042v1
Date: Mon, 30 Oct 2023 21:56:59 GMT
ステータス: 処理完了
システム内更新日: 2023-11-01 17:25:23.196213
Title: Comprehending Variability in Analysis Results of Software Product Lines
Title（参考訳）: ソフトウェア製品ラインの分析結果における相補的変動
Authors: Rafael F. Toledo, Joanne M. Atlee, Rui Ming Xiong
Abstract要約: ソフトウェア製品ライン(SPL)の分析は通常、論理式で注釈付けされた変数の結果を報告します。その結果,新しいビジュアライザを用いることで,ユーザの作業の正確性や効率性を大幅に向上することが示唆された。
参考スコア（独自算出の注目度）: 0.1611401281366893
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Analyses of a software product line (SPL) typically report variable results that are annotated with logical expressions indicating the set of product variants for which the results hold. These expressions can get complicated and difficult to reason about when the SPL has lots of features and product variants. Previous work introduced a visualizer that supports filters for highlighting the analysis results that apply to product variants of interest, but this work was weakly evaluated. In this paper, we report on a controlled user study that evaluates the effectiveness of this new visualizer in helping the user search variable results and compare the results of multiple variants. Our findings indicate that the use of the new visualizer significantly improves the correctness and efficiency of the user's work and reduces the user's cognitive load in working with variable results.
Abstract（参考訳）: ソフトウェア製品ライン(SPL)の分析は通常、結果が保持する製品変異の集合を示す論理式で注釈付けされた変数結果を報告します。これらの表現は、splに多くの機能や製品変異がある場合、複雑で推論が困難になる可能性がある。前回の研究では、製品に適用される分析結果を強調するフィルターをサポートするビジュアライザが導入されたが、この作業は弱く評価された。本稿では,この新たなビジュアライゼーションの有効性を評価するための制御型ユーザスタディについて報告する。以上の結果から,新しいビジュアライザを用いることで,ユーザの作業の正確性や効率が向上し,ユーザの認知負荷を低減できることが示唆された。

関連論文リスト

rEGGression: an Interactive and Agnostic Tool for the Exploration of Symbolic Regression Models [0.0]
本稿では,電子グラフを用いたシンボル表現の大規模な探索を可能にするツールであるrEGGressionを紹介する。主な焦点は、調査中に見つかったビルディングブロックの探索であり、専門家が研究された現象についての洞察を見つけるのに役立つ。
論文参考訳（メタデータ） (2025-01-29T18:57:44Z)
Automated Refactoring of Non-Idiomatic Python Code: A Differentiated Replication with LLMs [54.309127753635366]
本研究は, GPT-4の有効性について検討し, 慣用行動の推奨と示唆について検討した。この結果から,従来は複雑なコード解析に基づくレコメンデータの実装が求められていた,LCMの課題達成の可能性が浮き彫りになった。
論文参考訳（メタデータ） (2025-01-28T15:41:54Z)
Alleviating Overfitting in Transformation-Interaction-Rational Symbolic Regression with Multi-Objective Optimization [0.0]
変換-相互作用-関係表現を用いた遺伝的プログラミングの性能は、前者よりも大幅に向上した。我々は、多目的最適化、特にNSGA-IIアルゴリズムをサポートするために変換-相互作用-Rationalを拡張し、それを同じベンチマークに適用する。
論文参考訳（メタデータ） (2025-01-03T17:21:05Z)
ASPIRE: Assistive System for Performance Evaluation in IR [1.9441753575523208]
ASPIRE(Assistive System for Performance Evaluation in IR)は、情報検索実験の詳細な分析のための視覚分析ツールである。 ASPIREは、単一/複数実験の比較、クエリレベルの分析、クエリ特性とパフォーマンスの相互作用、コレクションベースの検索分析という、IR実験評価と分析の4つの重要な側面をサポートする。
論文参考訳（メタデータ） (2024-12-20T10:25:28Z)
Enhancing Social Media Personalization: Dynamic User Profile Embeddings and Multimodal Contextual Analysis Using Transformer Models [0.0]
本研究では,動的ユーザプロファイルの埋め込みがソーシャルネットワークにおける個人化されたコンテキスト認識体験に与える影響について検討する。 2000万以上のデータポイントのデータセット上で、多言語と英語のトランスフォーマーモデルの比較分析を行った。
論文参考訳（メタデータ） (2024-07-09T10:58:46Z)
Prompt Optimization with EASE? Efficient Ordering-aware Automated Selection of Exemplars [66.823588073584]
大規模言語モデル(LLM)は、現実世界のアプリケーションで印象的な機能を示している。これらの卓越した作品の品質は、パフォーマンスに大きな影響を与えます。既存の方法は、先行注文がパフォーマンスに与える影響を適切に説明できない。
論文参考訳（メタデータ） (2024-05-25T08:23:05Z)
LLM Comparator: Visual Analytics for Side-by-Side Evaluation of Large Language Models [31.426274932333264]
自動側評価から結果をインタラクティブに分析する新しいビジュアル分析ツールであるComparatorを提案する。このツールは、モデルがベースラインモデルよりも優れているか悪いかを、ユーザがいつ、なぜ理解するかを対話的にサポートする。
論文参考訳（メタデータ） (2024-02-16T09:14:49Z)
Challenging the Myth of Graph Collaborative Filtering: a Reasoned and Reproducibility-driven Analysis [50.972595036856035]
本稿では,6つの人気グラフと最近のグラフ推薦モデルの結果を再現するコードを提案する。これらのグラフモデルと従来の協調フィルタリングモデルを比較する。ユーザの近所からの情報フローを調べることにより,データセット構造における内在的特徴にどのようなモデルが影響するかを同定することを目的とする。
論文参考訳（メタデータ） (2023-08-01T09:31:44Z)
Finding Support Examples for In-Context Learning [73.90376920653507]
本稿では,この課題を2段階に解決するためのfilter-thEN-Search法であるLENSを提案する。まず、データセットをフィルタリングして、個別に情報的インコンテキストの例を得る。そこで本研究では,反復的に改良し,選択したサンプル順列を評価可能な多様性誘導型サンプル探索を提案する。
論文参考訳（メタデータ） (2023-02-27T06:32:45Z)
An Evaluation Study of Generative Adversarial Networks for Collaborative Filtering [75.83628561622287]
本研究は、原論文で発表された結果の再現に成功し、CFGANフレームワークと原評価で使用されるモデルとの相違が与える影響について論じる。この研究は、CFGANと単純でよく知られた適切に最適化されたベースラインの選択を比較した実験的な分析をさらに拡張し、CFGANは高い計算コストにもかかわらず、それらに対して一貫して競合していないことを観察した。
論文参考訳（メタデータ） (2022-01-05T20:53:27Z)
Reducing Confusion in Active Learning for Part-Of-Speech Tagging [100.08742107682264]
アクティブラーニング(AL)は、データ選択アルゴリズムを使用して、アノテーションコストを最小限に抑えるために有用なトレーニングサンプルを選択する。本研究では、特定の出力タグのペア間の混乱を最大に低減するインスタンスの選択問題について検討する。提案するAL戦略は,他のAL戦略よりも有意差で優れている。
論文参考訳（メタデータ） (2020-11-02T06:24:58Z)

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。