論文の概要: GraphQL Adoption and Challenges: Community-Driven Insights from StackOverflow Discussions
- arxiv url: http://arxiv.org/abs/2408.08363v1
- Date: Thu, 15 Aug 2024 18:08:13 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-19 17:29:47.401625
- Title: GraphQL Adoption and Challenges: Community-Driven Insights from StackOverflow Discussions
- Title（参考訳）: GraphQLの採用と課題: StackOverflowのコミュニティ主導による議論
- Authors: Saleh Amareen, Obed Soto Dector, Ali Dado, Amiangshu Bosu,
- Abstract要約: APIは、クライアントサーバアーキテクチャのためのクエリ言語およびWebアプリケーションプログラミングインターフェース(API)である。
我々の結果は、クライアントとサーバがSOに関する議論を惹きつける2つのアーキテクチャレイヤであることを示している。
- 参考スコア（独自算出の注目度）: 1.3999481573773076
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: GraphQL is a query language and web application programming interface (API) for client-server architecture. Its advantages include type-safe queries, which allow clients to retrieve the data they require precisely in a single request. As organizations adopt GraphQL for API implementations, it is imperative to understand its challenges and the software community's interests. To achieve this goal, we conducted a five-step mixed-method empirical analysis of 45K StackOverflow questions and answers on GraphQL. In the first step, we derive a reference architecture for the GraphQL ecosystem with five key layers. Second, we used topic modeling based on Latent Dirichlet Allocation (LDA) to automatically identify 14 topics and 47 subtopics. Third, we mapped discussion topics to architecture layers. Fourth, we manually investigate questions on each topic and subtopics to provide additional insight to the GraphQL stakeholders. Finally, we study topic difficulty, popularity, trends, and tradeoffs to provide insights into evolving community interests and challenges. Our results indicate that Client and Server are the top two architectural layers attracting discussion on SO. While earlier discussions on SO focused on building third-party applications consuming GraphQL APIs (i.e., API Integration) released by large organizations, recent trends suggest more organizations implementing APIs using GraphQL servers. Due to difficulty and lack of well-defined solutions, security remains a difficult and low-interest area. However, such a practice can lead to vulnerable APIs.
- Abstract（参考訳）: GraphQLは、クライアントサーバアーキテクチャのためのクエリ言語およびWebアプリケーションプログラミングインターフェース(API)である。
そのアドバンテージはタイプセーフなクエリで、単一のリクエストでクライアントが要求するデータを正確に取り出すことができる。
API実装にGraphQLを採用する組織は、その課題とソフトウェアコミュニティの関心を理解することが不可欠である。
この目標を達成するために、GraphQL上で45K StackOverflowの質問と回答の5段階の混合実験分析を行った。
最初のステップでは、5つの重要なレイヤを持つGraphQLエコシステムのリファレンスアーキテクチャを導出します。
次に、LDA(Latent Dirichlet Allocation)に基づくトピックモデリングを用いて、14のトピックと47のサブトピックを自動的に識別した。
第3に、議論トピックをアーキテクチャレイヤにマップしました。
第4に、各トピックやトピックに関する質問を手動で調査して、GraphQLのステークホルダにさらなる洞察を与えます。
最後に、トピックの難易度、人気度、トレンド、トレードオフを調査し、コミュニティの関心や課題の進化に関する洞察を提供する。
我々の結果は、クライアントとサーバがSOに関する議論を惹きつける2つのアーキテクチャレイヤであることを示している。
SOに関する以前の議論は、大企業がリリースしたGraphQL API(すなわちAPI統合)を使用するサードパーティアプリケーションの構築に重点を置いていたが、最近のトレンドは、より多くの組織がGraphQLサーバを使用してAPIを実装することを示唆している。
厳密な解決の難しさと欠如により、セキュリティは依然として困難で低関心の領域である。
しかし、このようなプラクティスは、脆弱なAPIにつながる可能性がある。
関連論文リスト
- A Systematic Evaluation of Large Code Models in API Suggestion: When, Which, and How [53.65636914757381]
API提案は、現代のソフトウェア開発において重要なタスクである。
大規模コードモデル(LCM)の最近の進歩は、API提案タスクにおいて有望であることを示している。
論文 参考訳（メタデータ） (2024-09-20T03:12:35Z) - A Solution-based LLM API-using Methodology for Academic Information Seeking [49.096714812902576]
SoAyは学術情報検索のためのソリューションベースのLLM API利用方法論である。
ソリューションが事前に構築されたAPI呼び出しシーケンスである場合、推論メソッドとしてソリューションを備えたコードを使用する。
その結果、最先端のLLM APIベースのベースラインと比較して34.58-75.99%のパフォーマンス改善が見られた。
論文 参考訳（メタデータ） (2024-05-24T02:44:14Z) - ChatGraph: Chat with Your Graphs [24.344119857435178]
我々はChatGraphと呼ばれる大規模言語モデル(LLM)ベースのフレームワークを提案する。
ChatGraphを使えば、ユーザは自然言語でグラフと対話できるので、従来のアプローチよりも使いやすく、柔軟になる。
論文 参考訳（メタデータ） (2024-01-23T11:29:19Z) - Neural Graph Reasoning: Complex Logical Query Answering Meets Graph
Databases [63.96793270418793]
複雑な論理クエリ応答(CLQA)は、グラフ機械学習の最近登場したタスクである。
ニューラルグラフデータベース(NGDB)の概念を紹介する。
NGDBはNeural Graph StorageとNeural Graph Engineで構成されている。
論文 参考訳（メタデータ） (2023-03-26T04:03:37Z) - Semantic Parsing for Conversational Question Answering over Knowledge
Graphs [63.939700311269156]
本研究では,ユーザの質問にSparqlパースとアノテートし,システム回答が実行結果に対応するデータセットを開発する。
本稿では,2つの意味解析手法を提案し,その課題を強調した。
私たちのデータセットとモデルはhttps://github.com/Edinburgh/SPICE.orgで公開されています。
論文 参考訳（メタデータ） (2023-01-28T14:45:11Z) - UniKGQA: Unified Retrieval and Reasoning for Solving Multi-hop Question
Answering Over Knowledge Graph [89.98762327725112]
KGQA(Multi-hop Question Answering over Knowledge Graph)は、自然言語の質問で言及されているトピックエンティティから、複数のホップを持つ回答エンティティを見つけることを目的としている。
我々は、モデルアーキテクチャとパラメータ学習の両方において、検索と推論を統合することで、マルチホップKGQAタスクの新しいアプローチであるUniKGQAを提案する。
論文 参考訳（メタデータ） (2022-12-02T04:08:09Z) - Semantic Structure based Query Graph Prediction for Question Answering
over Knowledge Graph [5.5332967798665305]
本稿では,自然言語質問からクエリグラフを生成することに焦点を当てる。
クエリグラフ生成のための既存のアプローチは、質問の意味構造を無視している。
本研究では,質問の意味的構造を予測する新しい構造BERTを提案する。
論文 参考訳（メタデータ） (2022-04-15T20:35:00Z) - Graph Enhanced BERT for Query Understanding [55.90334539898102]
クエリ理解は、ユーザの検索意図を探索し、ユーザが最も望まれる情報を発見できるようにする上で、重要な役割を果たす。
近年、プレトレーニング言語モデル (PLM) は様々な自然言語処理タスクを進歩させてきた。
本稿では,クエリコンテンツとクエリグラフの両方を活用可能な,グラフ強化事前学習フレームワークGE-BERTを提案する。
論文 参考訳（メタデータ） (2022-04-03T16:50:30Z) - Outlining and Filling: Hierarchical Query Graph Generation for Answering
Complex Questions over Knowledge Graph [16.26384829957165]
クエリグラフを構築するための新しい2段階のアプローチを提案する。
最初の段階では、上位$kの関連インスタンスは単純な戦略で収集される。
第2段階では、グラフ生成モデルが階層生成を行う。
論文 参考訳（メタデータ） (2021-11-01T07:08:46Z) - Learning GraphQL Query Costs (Extended Version) [7.899264246319001]
本稿では,クエリコストを効率的に正確に推定する機械学習手法を提案する。
我々のフレームワークは効率的で、クエリコストを高い精度で予測し、静的解析を大きなマージンで一貫して上回っている。
論文 参考訳（メタデータ） (2021-08-25T09:18:31Z) - OBA: An Ontology-Based Framework for Creating REST APIs for Knowledge
Graphs [0.26107298043931193]
知識グラフをポップアップして作成するオントロジーエンジニアとWeb開発者は、これらの知識グラフを理解し、アクセスし、クエリする必要があるが、API、RDF、SPARQLに精通していない。
本稿では、おなじみのWeb開発者からREST APIを自動生成するOntology-Based API framework(OBA)について説明する。
OBAにはフレームワークの機能を示す3つの例があります。
論文 参考訳（メタデータ） (2020-07-17T19:46:18Z)
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。