論文の概要: On the Creation of Representative Samples of Software Repositories

• arxiv url: http://arxiv.org/abs/2410.00639v2
• Date: Wed, 2 Oct 2024 07:18:32 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-05 04:35:05.192707
• Title: On the Creation of Representative Samples of Software Repositories
• Title（参考訳）: ソフトウェアリポジトリの代表例作成について
• Authors: June Gorostidi, Adem Ait, Jordi Cabot, Javier Luis Cánovas Izquierdo,
• Abstract要約: GitHubのようなソーシャルコーディングプラットフォームの出現により、研究者は研究のソースデータとして使うために何百万ものソフトウェアリポジトリにアクセスできるようになった。 現在のサンプリング法は、しばしばランダムな選択に基づいており、研究とは無関係な変数に依存している。 本稿では,ソフトウェアリポジトリの代表例を作成する手法を提案する。このような代表性は,リポジトリの個体群の特徴と実証研究の要件の両方に適切に一致している。
• 参考スコア（独自算出の注目度）: 1.8599311233727087
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Software repositories is one of the sources of data in Empirical Software Engineering, primarily in the Mining Software Repositories field, aimed at extracting knowledge from the dynamics and practice of software projects. With the emergence of social coding platforms such as GitHub, researchers have now access to millions of software repositories to use as source data for their studies. With this massive amount of data, sampling techniques are needed to create more manageable datasets. The creation of these datasets is a crucial step, and researchers have to carefully select the repositories to create representative samples according to a set of variables of interest. However, current sampling methods are often based on random selection or rely on variables which may not be related to the research study (e.g., popularity or activity). In this paper, we present a methodology for creating representative samples of software repositories, where such representativeness is properly aligned with both the characteristics of the population of repositories and the requirements of the empirical study. We illustrate our approach with use cases based on Hugging Face repositories.
• Abstract（参考訳）: ソフトウェアリポジトリは、経験的ソフトウェアエンジニアリングにおけるデータソースの1つであり、主に、ソフトウェアプロジェクトのダイナミクスと実践から知識を抽出することを目的とした、マイニングソフトウェアリポジトリの分野にある。 GitHubのようなソーシャルコーディングプラットフォームの出現により、研究者は研究のソースデータとして使うために何百万ものソフトウェアリポジトリにアクセスできるようになった。 この膨大なデータによって、より管理可能なデータセットを作成するためにサンプリング技術が必要である。 これらのデータセットの作成は重要なステップであり、研究者は興味のある変数のセットに従って代表サンプルを作成するために、慎重にリポジトリを選択する必要がある。 しかし、現在のサンプリング手法は、しばしばランダムな選択に基づいており、研究(例えば、人気や活動)と関係のない変数に依存している。 本稿では,ソフトウェアリポジトリの代表例を作成する手法を提案する。このような代表性は,リポジトリの個体群の特徴と実証研究の要件の両方に適切に一致している。 私たちはHugging Faceリポジトリに基づいたユースケースでアプローチを説明します。

関連論文リスト

• DiscoveryBench: Towards Data-Driven Discovery with Large Language Models [50.36636396660163]
  我々は、データ駆動探索の多段階プロセスを形式化する最初の包括的なベンチマークであるDiscoveryBenchを紹介する。 我々のベンチマークには、社会学や工学などの6つの分野にまたがる264のタスクが含まれている。 私たちのベンチマークでは、自律的なデータ駆動型発見の課題を説明し、コミュニティが前進するための貴重なリソースとして役立ちます。
  論文  参考訳（メタデータ） (2024-07-01T18:58:22Z)
• 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)
• NLP-based Relation Extraction Methods in RE [4.856095570023289]
  モバイルアプリリポジトリは、大規模で適応性の高いクラウドソース情報システムとして、主に科学研究で使用されている。 本稿では,ソフトウェアリソースとデータアーティファクトを組み合わせたMApp-KGを提案する。 私たちのコントリビューションは、モバイルアプリのドメイン固有のカタログをモデル化する知識グラフを自動構築するフレームワークを提供することを目的としています。
  論文  参考訳（メタデータ） (2024-01-22T16:14:27Z)
• Fingerprinting and Building Large Reproducible Datasets [3.2873782624127843]
  提案手法は,大規模なデータセットの作成を容易にし,その証明を確実にするツール支援手法である。 抽出プロセスに提供されたデータセットを特徴付けるユニークな指紋を定義する方法を提案する。
  論文  参考訳（メタデータ） (2023-06-20T08:59:33Z)
• infoVerse: A Universal Framework for Dataset Characterization with Multidimensional Meta-information [68.76707843019886]
  infoVerseは、データセットの特徴付けのための普遍的なフレームワークである。 infoVerseは、様々なモデル駆動メタ情報を統合することで、データセットの多次元特性をキャプチャする。 実世界の3つのアプリケーション(データプルーニング、アクティブラーニング、データアノテーション)において、infoVerse空間で選択されたサンプルは、強いベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2023-05-30T18:12:48Z)
• TSGM: A Flexible Framework for Generative Modeling of Synthetic Time Series [61.436361263605114]
  時系列データは、研究者と産業組織間のデータの共有を妨げるため、しばしば不足または非常に敏感である。 本稿では,合成時系列の生成モデリングのためのオープンソースフレームワークである時系列生成モデリング(TSGM)を紹介する。
  論文  参考訳（メタデータ） (2023-05-19T10:11:21Z)
• DATED: Guidelines for Creating Synthetic Datasets for Engineering Design Applications [3.463438487417909]
  本研究では,合成データセットの生成,注釈付け,検証のための包括的ガイドラインを提案する。 この研究は、データセットの適切なサイズ、多様性、有用性、現実性を保証するために、思慮深いサンプリング手法の重要性を強調している。 本論文は、総合的に、エンジニアリング設計のための合成データセットの作成と公開を意図した研究者に貴重な洞察を提供する。
  論文  参考訳（メタデータ） (2023-05-15T21:00:09Z)
• Creating Synthetic Datasets for Collaborative Filtering Recommender Systems using Generative Adversarial Networks [1.290382979353427]
  機械学習における研究と教育には、必要なトレーニング、検証、テストタスクを処理するために、多様な、代表的でオープンなデータセットが必要です。 この研究の多様性を養うためには、既存のデータセットを合成データセットで補強する必要がある。 本稿では,協調フィルタリングデータセットを生成するGAN(Generative Adversarial Network)に基づく手法を提案する。
  論文  参考訳（メタデータ） (2023-03-02T14:23:27Z)
• TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual Environments [84.6017003787244]
  本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。 既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
  論文  参考訳（メタデータ） (2022-08-16T20:46:08Z)
• Federated Learning under Importance Sampling [49.17137296715029]
  本研究は, サンプリングエージェントと非均一に誘導されるデータに対する重要サンプリングと工夫の効果について検討する。 代替のないサンプリングを含むスキームでは,結果のアーキテクチャの性能は,各エージェントのデータ変動性に関連する2つの要因によって制御される。
  論文  参考訳（メタデータ） (2020-12-14T10:08:55Z)
• Empirical Study on the Software Engineering Practices in Open Source ML Package Repositories [6.2894222252929985]
  現代の機械学習技術は、そのようなモデルを開発し、訓練し、デプロイするために、かなりの技術的専門知識とリソースを必要とする。 実践者や研究者によるこのような発見と再利用は、パブリックMLパッケージリポジトリによって対処されている。 本稿では,2つの人気MLパッケージリポジトリの構造と内容を分析する探索的研究を行う。
  論文  参考訳（メタデータ） (2020-12-02T18:52:56Z)

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。