Fugu-MT 論文翻訳(概要): "How do people decide?": A Model for Software Library Selection

論文の概要: "How do people decide?": A Model for Software Library Selection

arxiv url: http://arxiv.org/abs/2403.16245v1
Date: Sun, 24 Mar 2024 17:32:33 GMT
ステータス: 処理完了
システム内更新日: 2024-03-26 16:46:40.360537
Title: "How do people decide?": A Model for Software Library Selection
Title（参考訳）: 「人々はどう決めるのか?」:ソフトウェアライブラリの選択モデル
Authors: Minaoar Hossain Tanzil, Gias Uddin, Ann Barcomb,
Abstract要約: 我々は,6つの選択パターン(すなわち規則)に支配される図書館選択プロセスのモデルを開発する。このモデルは、開発者が考える技術的・非技術的側面を捉えたライブラリ選択ツールの開発の基礎となる。
参考スコア（独自算出の注目度）: 1.2425910171551517
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Modern-day software development is often facilitated by the reuse of third-party software libraries. Despite the significant effort to understand the factors contributing to library selection, it is relatively unknown how the libraries are selected and what tools are still needed to support the selection process. Using Straussian grounded theory, we conducted and analyzed the interviews of 24 professionals across the world and derived a model of library selection process which is governed by six selection patterns (i.e., rules). The model draws from marketing theory and lays the groundwork for the development of a library selection tool which captures the technical and non-technical aspects developers consider.
Abstract（参考訳）: 現代のソフトウェア開発は、しばしばサードパーティのソフトウェアライブラリの再利用によって促進される。ライブラリの選択に寄与する要因を理解するための大きな努力にもかかわらず、ライブラリをどのように選択するか、どのツールが選択プロセスをサポートするために必要なのかは、比較的不明である。シュトラウス的基礎理論を用いて、世界中の24人の専門家のインタビューを調査、分析し、6つの選択パターン(すなわちルール)によって支配される図書館選択プロセスのモデルを構築した。このモデルはマーケティング理論から派生したもので、開発者が考える技術的・非技術的側面を捉えるライブラリ選択ツールの開発の基礎を成している。

関連論文リスト

EduNLP: Towards a Unified and Modularized Library for Educational Resources [78.8523961816045]
我々はEduNLPという,統一された,モジュール化された,広範なライブラリを紹介し,教育資源の理解に焦点をあてる。このライブラリでは、ワークフロー全体を4つのキーモジュールに分離し、データ構成、処理、モデル実装、モデル評価など、一貫したインターフェースを提供します。現在のバージョンでは、主に4つのカテゴリから10の典型的なモデルを提供し、教育領域における5つのダウンストリーム評価タスクを、ユーザの使用に対して8つの被験者に提供します。
論文参考訳（メタデータ） (2024-06-03T12:45:40Z)
MetaTool Benchmark for Large Language Models: Deciding Whether to Use Tools and Which to Use [82.24774504584066]
大規模言語モデル(LLM)は、その印象的な自然言語処理(NLP)能力のために大きな注目を集めている。このベンチマークは、LLMがツールの使用意識を持ち、ツールを正しく選択できるかどうかを評価するためのものだ。 8つの人気のあるLCMを巻き込んだ実験を行い、その大半は依然として効果的にツールを選択するのに苦労していることがわかった。
論文参考訳（メタデータ） (2023-10-04T19:39:26Z)
AndroLibZoo: A Reliable Dataset of Libraries Based on Software Dependency Analysis [6.342380566583581]
そこで我々は,AndroLibZooというデータセットの形式で,高精度かつ最新のサードパーティライブラリセットを生成するための自動アプローチを提案する。私たちのデータセットはコミュニティで利用でき、現在34の813のライブラリが含まれており、進化を意図しています。
論文参考訳（メタデータ） (2023-07-24T08:36:38Z)
CodeTF: One-stop Transformer Library for State-of-the-art Code LLM [72.1638273937025]
我々は、最先端のCode LLMとコードインテリジェンスのためのオープンソースのTransformerベースのライブラリであるCodeTFを紹介する。我々のライブラリは、事前訓練されたコードLLMモデルと人気のあるコードベンチマークのコレクションをサポートします。 CodeTFが機械学習/生成AIとソフトウェア工学のギャップを埋められることを願っている。
論文参考訳（メタデータ） (2023-05-31T05:24:48Z)
LibCity: A Unified Library Towards Efficient and Comprehensive Urban Spatial-Temporal Prediction [74.08181247675095]
既存の分野には、さまざまなフォーマットで使用が難しいオープンソースデータなど、制限がある。我々は、研究者に信頼性のある実験ツールと便利な開発フレームワークを提供するオープンソースライブラリ、LibCityを提案する。
論文参考訳（メタデータ） (2023-04-27T17:19:26Z)
SequeL: A Continual Learning Library in PyTorch and JAX [50.33956216274694]
SequeLは継続学習のためのライブラリで、PyTorchとJAXフレームワークの両方をサポートする。それは、正規化ベースのアプローチ、リプレイベースのアプローチ、ハイブリッドアプローチを含む、幅広い連続学習アルゴリズムのための統一インターフェースを提供する。私たちはSequeLをオープンソースライブラリとしてリリースし、研究者や開発者が自身の目的で簡単にライブラリを実験し拡張することができます。
論文参考訳（メタデータ） (2023-04-21T10:00:22Z)
An Empirical Study of Library Usage and Dependency in Deep Learning Frameworks [12.624032509149869]
ピトルチ、カフェ、シキットルンはプロジェクトの18%と14%で最も頻度の高い組み合わせである。開発者は同じプロジェクトで2つか3つのdlライブラリを使用し、同じ関数と同じファイルの両方で異なる複数のdlライブラリを使用する傾向がある。
論文参考訳（メタデータ） (2022-11-28T19:31:56Z)
Code Librarian: A Software Package Recommendation System [65.05559087332347]
オープンソースライブラリ用のリコメンデーションエンジンであるLibrarianを提示する。 1)プログラムのインポートライブラリで頻繁に使用されること、2)プログラムのインポートライブラリと似た機能を持つこと、3)開発者の実装と似た機能を持つこと、4)提供されるコードのコンテキストで効率的に使用できること、である。
論文参考訳（メタデータ） (2022-10-11T12:30:05Z)
Do Not Take It for Granted: Comparing Open-Source Libraries for Software Development Effort Estimation [9.224578642189023]
本稿では、ソフトウェア開発努力推定(SEE)に異なる機械学習(ML)ライブラリを使用する場合の差異に対する意識を高めることを目的とする。各種言語(Scikit-Learn, Caret, Weka)で書かれた最も人気のあるMLオープンソースライブラリの3つで提供される決定論的機械学習について検討する。本研究の結果,3つの図書館で提供される予測は,平均95%のケースで,合計105ケースで異なることがわかった。
論文参考訳（メタデータ） (2022-07-04T20:06:40Z)
Req2Lib: A Semantic Neural Model for Software Library Recommendation [8.713783358744166]
我々はReq2Libと呼ばれる新しいニューラルアプローチを提案し、プロジェクトの要件を記述したライブラリを推奨する。本研究では,自然言語における要求記述の関連情報と意味情報の学習にシーケンス・ツー・シーケンスモデルを用いる。我々の予備評価は、Req2Libがライブラリを正確に推奨できることを示しています。
論文参考訳（メタデータ） (2020-05-24T14:37:07Z)

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。