論文の概要: A Fuzzy Logic-Based Quality Model For Identifying Microservices With Low Maintainability
- arxiv url: http://arxiv.org/abs/2406.14489v1
- Date: Thu, 20 Jun 2024 16:53:37 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-21 12:43:03.172843
- Title: A Fuzzy Logic-Based Quality Model For Identifying Microservices With Low Maintainability
- Title（参考訳）: 低保守性でマイクロサービスを識別するためのファジィ論理に基づく品質モデル
- Authors: Rahime Yilmaz, Feza Buzluca,
- Abstract要約: 本稿ではファジィ論理に基づく階層的品質モデルを提案する。
ファジフィケーション手法を用いて、コードメトリクスの鮮明な値をファジィレベルに変換し、それらを品質モデルへのインプットとして適用します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Microservice Architecture (MSA) is a popular architectural style that offers many advantages regarding quality attributes, including maintainability and scalability. Developing a system as a set of microservices with expected benefits requires a quality assessment strategy that is established on the measurements of the system's properties. This paper proposes a hierarchical quality model based on fuzzy logic to measure and evaluate the maintainability of MSAs considering ISO/IEC 250xy SQuaRE (System and Software Quality Requirements and Evaluation) standards. Since the qualitative bounds of low-level quality attributes are inherently ambiguous, we use a fuzzification technique to transform crisp values of code metrics into fuzzy levels and apply them as inputs to our quality model. The model generates fuzzy values for the quality sub-characteristics of the maintainability, i.e., modifiability and testability, converted to numerical values through defuzzification. In the last step, using the values of the sub-characteristics, we calculate numerical scores indicating the maintainability level of each microservice in the examined software system. This score was used to assess the quality of the microservices and decide whether they need refactoring. We evaluated our approach by creating a test set with the assistance of three developers, who reviewed and categorized the maintainability levels of the microservices in an open-source project based on their knowledge and experience. They labeled microservices as low, medium, or high, with low indicating the need for refactoring. Our method for identifying low-labeled microservices in the given test set achieved 94% accuracy, 78% precision, and 100% recall. These results indicate that our approach can assist designers in evaluating the maintainability quality of microservices.
- Abstract（参考訳）: マイクロサービスアーキテクチャ(MSA)は一般的なアーキテクチャスタイルであり、メンテナンス性やスケーラビリティなど、品質特性に関する多くの利点を提供する。
期待されるメリットを持つマイクロサービスの集合としてシステムを開発するには、システムのプロパティの測定に基づいて確立された品質評価戦略が必要だ。
本稿では,ISO/IEC 250xy SQuaRE(System and Software Quality Requirements and Evaluation)標準を考慮したファジィ論理に基づく階層的品質モデルを提案する。
低レベルの品質特性の定性的境界は本質的に曖昧であるため、ファジフィケーション手法を用いて、コードメトリクスの清潔な値をファジィレベルに変換し、それらを品質モデルへの入力として適用します。
このモデルは、メンテナンス性の品質サブ特性、すなわちモジュラビリティとテスト可能性のファジィ値を生成し、デファジフィケーションを通じて数値に変換する。
最後のステップでは、サブ特性値を用いて、検査されたソフトウェアシステム内の各マイクロサービスの保守性レベルを示す数値スコアを算出する。
このスコアは、マイクロサービスの品質を評価し、リファクタリングが必要なかどうかを判断するために使用されました。
3人の開発者の助けを借りてテストセットを作成して、私たちのアプローチを評価しました。
マイクロサービスを低、中、あるいは高とラベル付けし、リファクタリングの必要性を示している。
テストセットで低ラベルのマイクロサービスを特定する方法は,94%の精度,78%の精度,100%のリコールを達成した。
これらの結果は、マイクロサービスの保守性の品質を評価する上で、当社のアプローチがデザイナを支援することを示唆している。
関連論文リスト
- Enhancing Machine Learning Performance through Intelligent Data Quality Assessment: An Unsupervised Data-centric Framework [0.0]
不適切なデータ品質は機械学習(ML)の有利なパワーを制限する
本稿では,高品質なデータを特定し,MLシステムの性能を向上させるインテリジェントなデータ中心評価フレームワークを提案する。
論文 参考訳（メタデータ） (2025-02-18T18:01:36Z) - Exploring Rich Subjective Quality Information for Image Quality Assessment in the Wild [66.40314964321557]
我々は,リッチIQAという新しいIQA手法を提案し,MOSを超えるリッチな主観的評価情報を探索し,野生における画像品質を予測する。
コンボリューショナル・ビジョン・トランスフォーマー(CvT)の強力な特徴表現能力を活用し、人間の脳の短期記憶機構と長期記憶機構を模倣する3段階画像品質予測ネットワークである。
RichIQAは、リッチな主観的評価ラベルを持つ複数の大規模IQAデータベースにおいて、最先端の競合より優れている。
論文 参考訳（メタデータ） (2024-09-09T12:00:17Z) - Fairness measures for biometric quality assessment [6.051899179464574]
品質評価アルゴリズムは、捕獲されたバイオメトリック標本の品質を測定する。
十分な品質のサンプルのみを処理し、低品質のサンプルを廃棄することが不可欠である。
提案された措置は、この重要な分野における今後の標準の候補として使われる可能性がある。
論文 参考訳（メタデータ） (2024-08-21T07:37:19Z) - Fostering Microservice Maintainability Assurance through a Comprehensive Framework [0.0]
このプロジェクトの目的は、マイクロサービスベースのシステムに対する保守性保証を提供することだ。
マイクロサービスアーキテクチャに適した自動アセスメントフレームワークが導入されている。
このフレームワークは、アーティファクトからシステム特性の全体像まで、さまざまなレベルに対処する。
論文 参考訳（メタデータ） (2024-07-23T22:45:29Z) - Benchmarks as Microscopes: A Call for Model Metrology [76.64402390208576]
現代の言語モデル(LM)は、能力評価において新たな課題を提起する。
メトリクスに自信を持つためには、モデルミアロジの新たな規律が必要です。
論文 参考訳（メタデータ） (2024-07-22T17:52:12Z) - A Novel Metric for Measuring Data Quality in Classification Applications
(extended version) [0.0]
データ品質を測定するための新しい指標を紹介し説明する。
この尺度は、分類性能とデータの劣化の相関した進化に基づいている。
各基準の解釈と評価レベルの例を提供する。
論文 参考訳（メタデータ） (2023-12-13T11:20:09Z) - QualEval: Qualitative Evaluation for Model Improvement [82.73561470966658]
モデル改善のための手段として,自動定性評価による定量的スカラー指標を付加するQualEvalを提案する。
QualEvalは強力なLCM推論器と新しいフレキシブルリニアプログラミングソルバを使用して、人間の読みやすい洞察を生成する。
例えば、その洞察を活用することで、Llama 2モデルの絶対性能が最大15%向上することを示す。
論文 参考訳（メタデータ） (2023-11-06T00:21:44Z) - Towards Verifiable Generation: A Benchmark for Knowledge-aware Language Model Attribution [48.86322922826514]
本稿では,知識認識型言語モデル属性(KaLMA)の新たな課題について述べる。
まず、属性のソースを構造化されていないテキストから知識グラフ(KG)に拡張し、そのリッチな構造は属性のパフォーマンスと作業シナリオの両方に役立ちます。
第2に,不完全な知識リポジトリを考慮した「意識的非能力」の設定を提案する。
第3に,テキスト品質,引用品質,引用アライメントを含む総合的な自動評価指標を提案する。
論文 参考訳（メタデータ） (2023-10-09T11:45:59Z) - Blind Multimodal Quality Assessment: A Brief Survey and A Case Study of
Low-light Images [73.27643795557778]
ブラインド画像品質評価(BIQA)は、視覚信号の客観的スコアを自動的に正確に予測することを目的としている。
この分野での最近の発展は、ヒトの主観的評価パターンと矛盾しない一助的解によって支配されている。
主観的評価から客観的スコアへの低照度画像の一意なブラインドマルチモーダル品質評価(BMQA)を提案する。
論文 参考訳（メタデータ） (2023-03-18T09:04:55Z) - Fingerprint Image-Quality Estimation and its Application to
Multialgorithm Verification [56.128200319868526]
信号品質の認識は、認識率を増大させ、マルチセンサー環境における決定を著しく支援することが見出されている。
本稿では, 指紋画像の向きテンソルを用いて, ノイズ, 構造不足, ぼやけなどの信号障害を, 対称性記述子の助けを借りて定量化する。
定量的な結果は、あらゆる面において品質意識を優先し、認識率を高め、異なるスキルを持つ専門家を効果的かつ効果的に融合させる。
論文 参考訳（メタデータ） (2022-11-24T12:17:49Z) - Maximizing Welfare with Incentive-Aware Evaluation Mechanisms [18.304048425012503]
本稿では,その特徴をコストで修正できる戦略的個人によって,入力が制御される評価問題を提案する。
学習者は特徴を部分的に観察することしかできず、品質スコアに関して個人を分類することを目的としている。
論文 参考訳（メタデータ） (2020-11-03T19:00:43Z)
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。