論文の概要: RefExpo: Unveiling Software Project Structures through Advanced Dependency Graph Extraction

• arxiv url: http://arxiv.org/abs/2407.02620v2
• Date: Wed, 04 Dec 2024 22:48:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-06 14:38:06.047678
• Title: RefExpo: Unveiling Software Project Structures through Advanced Dependency Graph Extraction
• Title（参考訳）: RefExpo: 高度な依存性グラフ抽出によるソフトウェアプロジェクト構造の構築
• Authors: Vahid Haratian, Pouria Derakhshanfar, Vladimir Kovalenko, Eray Tüzün,
• Abstract要約: RefExpoは再利用可能なDG抽出ツールで、Java、Python、JavaScriptなどの複数の言語をサポートする。 この記事では、Java、Python、JavaScriptなどの複数の言語をサポートする再利用可能なDG抽出ツールであるRefExpoを紹介した。
• 参考スコア（独自算出の注目度）: 4.213593962963307
• License:
• Abstract: The dependency graph (DG) of a software project offers valuable insights for identifying its key components and has been leveraged in numerous studies. However, there is a lack of reusable tools for DG extraction. Existing tools are either outdated and difficult to configure or fail to provide accurate analysis. This study introduces RefExpo, a reusable DG extraction tool that supports multiple languages such as Java, Python, and JavaScript. RefExpo is a plugin based on IntelliJ, a well-maintained and reputed IDE. We also compile an initial version of our dataset, consisting of 20 Java and Python projects. RefExpo's validity is evaluated at two levels: specific language features and comparisons against other tools, referred to as micro and macro levels. Our results show RefExpo achieves 92\% and 100\% recall on micro test suites Judge and PyCG for Python and Java, respectively. In macro-level experiments, RefExpo outperformed existing tools by 31\% and 7\% in finding unique and shared results. The installable version of RefExpo is available on the IntelliJ marketplace, and a short video describing its functionality is available on YouTube.
• Abstract（参考訳）: ソフトウェアプロジェクトの依存性グラフ(DG)は、重要なコンポーネントを特定する上で貴重な洞察を提供し、多くの研究で活用されている。 しかし、DG抽出のための再利用可能なツールが不足している。 既存のツールは時代遅れで、設定が難しいか、正確な分析ができないかのどちらかです。 この記事では、Java、Python、JavaScriptなどの複数の言語をサポートする再利用可能なDG抽出ツールであるRefExpoを紹介した。 RefExpoはIntelliJをベースにしたプラグインだ。 また、20のJavaプロジェクトとPythonプロジェクトからなるデータセットの初期バージョンもコンパイルしています。 RefExpoの有効性は、特定の言語の特徴と、マイクロレベルとマクロレベルと呼ばれる他のツールとの比較の2つのレベルで評価される。 その結果, RefExpo は Python と Java のマイクロテストスイートである judge と PyCG で 992 % と 100 % のリコールを達成した。 マクロレベルの実験では、RefExpoは、独特で共有された結果の発見において、既存のツールを31.5%と7.%で上回りました。 RefExpoのインストール可能なバージョンはIntelliJマーケットプレースで利用可能であり、その機能を説明する短いビデオがYouTubeで公開されている。

関連論文リスト

• RepoGraph: Enhancing AI Software Engineering with Repository-level Code Graph [63.87660059104077]
  RepoGraphは、現代のAIソフトウェアエンジニアリングソリューションのためのリポジトリレベルの構造を管理するプラグインモジュールである。 RepoGraphはすべてのシステムのパフォーマンスを大幅に向上させ、オープンソースフレームワークの間で新たな最先端技術を生み出している。
  論文  参考訳（メタデータ） (2024-10-03T05:45:26Z)
• CodexGraph: Bridging Large Language Models and Code Repositories via Code Graph Databases [13.733229886643041]
  大きな言語モデル(LLM)は、HumanEvalやMBPPのようなスタンドアロンのコードタスクに優れていますが、コードリポジトリ全体の処理に苦労しています。 類似性に基づく検索は複雑なタスクではリコールが低いことが多いが、手動ツールやAPIは通常タスク固有であり、専門家の知識を必要とする。 我々は,LLMエージェントをコードリポジトリから抽出したグラフデータベースインターフェースと統合するシステムであるCodexGraphを紹介する。
  論文  参考訳（メタデータ） (2024-08-07T17:13:59Z)
• How to Understand Whole Software Repository? [64.19431011897515]
  リポジトリ全体に対する優れた理解は、自動ソフトウェアエンジニアリング(ASE)への重要な道になるでしょう。 本研究では,リポジトリ全体を包括的に理解するためのエージェントによるRepoUnderstanderという新しい手法を開発した。 リポジトリレベルの知識をより活用するために、エージェントをまとめ、分析し、計画する。
  論文  参考訳（メタデータ） (2024-06-03T15:20:06Z)
• Large Language Models for Generative Information Extraction: A Survey [89.71273968283616]
  大規模言語モデル(LLM)は、テキスト理解と生成において顕著な能力を示した。 各種IEサブタスクと技術の観点から,これらの作品を分類して概観する。 我々は,最も先進的な手法を実証的に分析し,LLMによるIEタスクの出現傾向を明らかにする。
  論文  参考訳（メタデータ） (2023-12-29T14:25:22Z)
• Visual In-Context Prompting [100.93587329049848]
  本稿では,オープンセットのセグメンテーションや検出といった視覚的タスクのためのユニバーサルな視覚的インコンテキストプロンプトフレームワークを提案する。 エンコーダ-デコーダアーキテクチャ上に構築し,ストロークやボックス,ポイントなど,さまざまなプロンプトをサポートする汎用的なプロンプトエンコーダを開発する。 広範にわたる調査の結果,提案した視覚的インコンテクストは,異常参照と汎用セグメンテーション機能を引き起こすことが示された。
  論文  参考訳（メタデータ） (2023-11-22T18:59:48Z)
• scg-cli -- a Tool Supporting Software Comprehension via Extraction and Analysis of Semantic Code Graph [0.0]
  scg-cliは、ソフトウェアの理解を容易にするコマンドラインツールである。 JavaおよびScalaプロジェクトから、コード構造と依存関係に関するセマンティック情報を取り出す。 プロジェクトメトリクスを取得し、最も重要なコードエンティティを見つけ、プロジェクトのパーティショニングを計算するのに使うことができる。
  論文  参考訳（メタデータ） (2023-10-03T19:04:51Z)
• ToolLLM: Facilitating Large Language Models to Master 16000+ Real-world APIs [104.37772295581088]
  オープンソースの大規模言語モデル(LLM)、例えばLLaMAは、ツール使用能力に大きく制限されている。 データ構築、モデルトレーニング、評価を含む汎用ツールであるToolLLMを紹介する。 ツール使用のためのインストラクションチューニングフレームワークであるToolBenchを,ChatGPTを使って自動構築する。
  論文  参考訳（メタデータ） (2023-07-31T15:56:53Z)
• A Language Model of Java Methods with Train/Test Deduplication [5.529795221640365]
  このツールデモでは、Javaソースコードの言語モデルの研究ツールキットが紹介されている。 対象読者には、Javaのサブルーチン、ステートメント、変数の粒度レベルでの問題を研究する研究者も含まれる。
  論文  参考訳（メタデータ） (2023-05-15T00:22:02Z)
• Desbordante: from benchmarking suite to high-performance science-intensive data profiler (preprint) [36.537985747809245]
  Desbordanteは、オープンソースのコードを持つ高性能な科学集約型データプロファイラである。 類似のシステムとは異なり、マルチユーザ環境での産業的応用に重点を置いて構築されている。 効率的で、クラッシュに対して回復力があり、スケーラブルです。
  論文  参考訳（メタデータ） (2023-01-14T19:14:51Z)
• DeepKE: A Deep Learning Based Knowledge Extraction Toolkit for Knowledge Base Population [95.0099875111663]
  DeepKEは、名前付きエンティティ認識、関係抽出、属性抽出など、さまざまな情報抽出タスクを実装している。 DeepKEを使えば、開発者や研究者はデータセットやモデルをカスタマイズして、要求に応じて構造化されていないデータから情報を抽出できる。
  論文  参考訳（メタデータ） (2022-01-10T13:29:05Z)
• LabelGit: A Dataset for Software Repositories Classification using Attributed Dependency Graphs [11.523471275501857]
  LabelGitと呼ばれるGitHubプロジェクトの新しいデータセットを作成します。 私たちのデータセットは、依存関係グラフや識別子からのソースコードニューラル表現など、ソースコードからの直接的な情報を使用します。 プロキシに頼らず、ソースコード全体を分類するために使用するソリューションの開発を支援することを願っています。
  論文  参考訳（メタデータ） (2021-03-16T07:28:58Z)

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。

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。