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

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)
DETAIL: Task DEmonsTration Attribution for Interpretable In-context Learning [75.68193159293425]
インコンテキスト学習(ICL)により、トランスフォーマーベースの言語モデルでは、パラメータを更新することなく、いくつかの"タスクデモ"で特定のタスクを学習することができる。 ICLの特徴に対処する影響関数に基づく帰属手法DETAILを提案する。ホワイトボックスモデルで得られた属性スコアがブラックボックスモデルに転送可能であることを示すことにより、モデル性能を向上させる上で、DETAILの広範な適用性を実験的に証明する。
論文参考訳（メタデータ） (2024-05-22T15:52:52Z)
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)
Ranger: A Toolkit for Effect-Size Based Multi-Task Evaluation [0.8250374560598494]
Rangerは、NLPおよびIRにおけるマルチタスク評価のためのエフェクトサイズに基づくメタ分析の容易な利用を容易にするツールキットである。利用可能なRangeツールキットの目標は、ロバストでエフェクトをベースとした評価を促進し、コミュニティにおける評価基準を改善することです。
論文参考訳（メタデータ） (2023-05-24T11:38:39Z)
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)
XNLI: Explaining and Diagnosing NLI-based Visual Data Analysis [34.115939679759684]
自然言語インタフェース(NLI)は、ユーザがデータ視覚化における分析意図を柔軟に指定できるようにする。視覚データ解析のための説明可能なNLIシステムであるXNLIを提案する。
論文参考訳（メタデータ） (2023-01-25T02:24:16Z)
Text Characterization Toolkit [33.6713815884553]
我々は、新しいモデルやベンチマークを示す際に、より深い結果分析がデファクトスタンダードになるべきだと論じている。研究者はデータセットの特性とそれらの特性がモデルの振る舞いに与える影響を研究するために利用できるツールを提案する。
論文参考訳（メタデータ） (2022-10-04T16:54:11Z)
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。