論文の概要: PairSmell: A Novel Perspective Inspecting Software Modular Structure

• arxiv url: http://arxiv.org/abs/2411.01012v1
• Date: Fri, 01 Nov 2024 20:29:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-05 14:50:20.382037
• Title: PairSmell: A Novel Perspective Inspecting Software Modular Structure
• Title（参考訳）: PairSmell: ソフトウェアモジュール構造を検査する新しい視点
• Authors: Chenxing Zhong, Daniel Feitosa, Paris Avgeriou, Huang Huang, Yue Li, He Zhang,
• Abstract要約: 本稿では,モジュール化を利用した新しい概念であるPairSmellを紹介する。 我々は、20のC/C++およびJavaプロジェクトに関する実証的研究を行い、4つの確立されたモジュール化ツールを使用します。 260,003インスタンスに関する我々の研究は、アーキテクチャへの影響がかなり大きいことを明らかにしている。
• 参考スコア（独自算出の注目度）: 16.63597024641586
• License:
• Abstract: Enhancing the modular structure of existing systems has attracted substantial research interest, focusing on two main methods: (1) software modularization and (2) identifying design issues (e.g., smells) as refactoring opportunities. However, re-modularization solutions often require extensive modifications to the original modules, and the design issues identified are generally too coarse to guide refactoring strategies. Combining the above two methods, this paper introduces a novel concept, PairSmell, which exploits modularization to pinpoint design issues necessitating refactoring. We concentrate on a granular but fundamental aspect of modularity principles -- modular relation (MR), i.e., whether a pair of entities are separated or collocated. The main assumption is that, if the actual MR of a pair violates its `apt MR', i.e., an MR agreed on by multiple modularization tools (as raters), it can be deemed likely a flawed architectural decision that necessitates further examination. To quantify and evaluate PairSmell, we conduct an empirical study on 20 C/C++ and Java projects, using 4 established modularization tools to identify two forms of PairSmell: inapt separated pairs InSep and inapt collocated pairs InCol. Our study on 260,003 instances reveals that their architectural impacts are substantial: (1) on average, 14.60% and 20.44% of software entities are involved in InSep and InCol MRs respectively; (2) InSep pairs are associated with 190% more co-changes than properly separated pairs, while InCol pairs are associated with 35% fewer co-changes than properly collocated pairs, both indicating a successful identification of modular structures detrimental to software quality; and (3) both forms of PairSmell persist across software evolution.
• Abstract（参考訳）: 既存のシステムのモジュール化構造を強化することは、(1)ソフトウェアモジュール化と(2)設計上の問題(例:匂い)をリファクタリングの機会として識別する2つの主要な手法に焦点を当てた、かなりの研究関心を集めている。 しかし、再モジュール化ソリューションは、しばしば元のモジュールを広範囲に修正する必要がある。 上述の2つの手法を組み合わせることで,新たな概念であるPairSmellを導入する。 モジュール性原理の粒度は、モジュール関係(MR)、すなわち、一対のエンティティが分離されるか、コロケーションされるかという、きめ細やかな側面に焦点を合わせます。 第一の前提は、もしペアの実際のMRが 'apt MR' に違反している場合、つまり、複数のモジュール化ツール(ラウンダーとして)によって合意されたMRは、さらなる検査を必要とするアーキテクチャ上の欠陥であると考えられる。 PairSmellを定量化し評価するために、20のC/C++およびJavaプロジェクトに関する実証的研究を行い、4つの確立されたモジュール化ツールを使用してPairSmellの2つの形式を識別する。 1) 平均14.60%, 20.44% のソフトウェアエンティティがそれぞれ InSep と InCol MR に関与していること,(2) InSep のペアは 適切に分離されたペアよりも 190% 多く共存していること,そして、InCol のペアは 適切に配置されたペアよりも 35% 少ない共変換に関連付けられていること,そしてどちらも ソフトウェア品質に有害なモジュラー構造の同定に成功していること,そして (3) PairSmell の両形態は ソフトウェア進化を通じて持続していること,である。

関連論文リスト

• Multi-Level Aggregation and Recursive Alignment Architecture for Efficient Parallel Inference Segmentation Network [18.47001817385548]
  セグメンテーションタスク用にカスタマイズされた並列推論ネットワークを提案する。 実時間速度を確保するために浅いバックボーンを使用し、モデル容量の削減と精度の向上のために3つのコアコンポーネントを提案する。 我々のフレームワークは、CityscapesとCamVidデータセットの最先端のリアルタイム手法よりも、速度と精度のバランスが良くなっている。
  論文  参考訳（メタデータ） (2024-02-03T22:51:17Z)
• On the Complexity of Multi-Agent Decision Making: From Learning in Games to Partial Monitoring [105.13668993076801]
  マルチエージェント強化学習(MARL)理論における中心的な問題は、構造条件やアルゴリズムの原理がサンプル効率の学習保証につながるかを理解することである。 本稿では,複数のエージェントを用いた対話型意思決定のための一般的な枠組みとして,この問題について考察する。 マルチエージェント意思決定における統計的複雑性を特徴付けることは、単一エージェント決定の統計的複雑性を特徴付けることと等価であることを示す。
  論文  参考訳（メタデータ） (2023-05-01T06:46:22Z)
• An Empirical Study of Multimodal Model Merging [148.48412442848795]
  モデルマージは、異なるタスクでトレーニングされた複数のモデルを融合してマルチタスクソリューションを生成するテクニックである。 我々は、モダリティ固有のアーキテクチャのビジョン、言語、およびクロスモーダルトランスフォーマーをマージできる新しい目標に向けて研究を行っている。 本稿では,重み間の距離を推定し,マージ結果の指標となる2つの指標を提案する。
  論文  参考訳（メタデータ） (2023-04-28T15:43:21Z)
• Understanding Best Subset Selection: A Tale of Two C(omplex)ities [25.665534614984647]
  高次元スパース線形回帰設定における最適部分集合選択の変数選択特性について検討する。 識別可能性マージンとは別に、以下の2つの複雑さ尺度はモデル整合性のマージン条件を特徴づける上で基本的な役割を果たす。
  論文  参考訳（メタデータ） (2023-01-16T04:52:46Z)
• Jointly Learning Consistent Causal Abstractions Over Multiple Interventional Distributions [8.767175335575386]
  抽象化は、同じシステムを表す2つの構造因果モデルを異なる解像度で関連付けるために使用できる。 リシェルが最近提案した抽象化の形式化に基づく,SCM間の因果的抽象化学習のための第1のフレームワークを紹介する。
  論文  参考訳（メタデータ） (2023-01-14T11:22:16Z)
• Towards Better Document-level Relation Extraction via Iterative Inference [29.62043809208398]
  文書レベルの関係抽出(RE)は、入力文書からエンティティ間の関係を抽出することを目的としている。 本稿では,反復推論を用いた新しい文書レベルのREモデルを提案する。 3つの一般的なデータセットの実験結果から、我々のモデルは、他の競争ベースラインよりも一貫して優れています。
  論文  参考訳（メタデータ） (2022-11-26T03:57:34Z)
• Design of Multi-model Linear Inferential Sensors with SVM-based Switching Logic [0.0]
  多モデル線形推論センサは、予測精度が向上するが、モデル構造とトレーニングの簡易化を約束する。 マルチモデル推論センサ設計への標準的なアプローチは、1)データラベリング(個々のモデルのトレーニングサブセットを確立する)、2)データ分類(モデルのスイッチングロジックを作成する)、3)個々のモデルのトレーニングという3つのステップから構成される。 我々の貢献は、上述した2つの問題、すなわち、問題 a に対して、スイッチングロジック識別と組み合わせた新しい SVM ベースのモデルトレーニングを導入し、問題 b に対して、データラベリングの直接最適化を提案することである。
  論文  参考訳（メタデータ） (2022-06-17T18:34:34Z)
• Squeezeformer: An Efficient Transformer for Automatic Speech Recognition [99.349598600887]
  Conformerは、そのハイブリッドアテンション・コンボリューションアーキテクチャに基づいて、様々な下流音声タスクの事実上のバックボーンモデルである。 Squeezeformerモデルを提案する。これは、同じトレーニングスキームの下で、最先端のASRモデルよりも一貫して優れている。
  論文  参考訳（メタデータ） (2022-06-02T06:06:29Z)
• Bi-Bimodal Modality Fusion for Correlation-Controlled Multimodal Sentiment Analysis [96.46952672172021]
  Bi-Bimodal Fusion Network (BBFN) は、2対のモダリティ表現で融合を行う新しいエンドツーエンドネットワークである。 モデルは、モダリティ間の既知の情報不均衡により、2つのバイモーダルペアを入力として取る。
  論文  参考訳（メタデータ） (2021-07-28T23:33:42Z)
• Spatio-Temporal Representation Factorization for Video-based Person Re-Identification [55.01276167336187]
  本稿では、re-IDのための時空間表現分解モジュール(STRF)を提案する。 STRFはフレキシブルな新しい計算ユニットであり、re-IDのための既存のほとんどの3D畳み込みニューラルネットワークアーキテクチャと併用することができる。 実験により、STRFは様々なベースラインアーキテクチャの性能を向上し、新しい最先端の成果を示す。
  論文  参考訳（メタデータ） (2021-07-25T19:29:37Z)
• A Critical View of the Structural Causal Model [89.43277111586258]
  相互作用を全く考慮せずに原因と効果を識別できることが示される。 本稿では,因果モデルの絡み合った構造を模倣する新たな逆行訓練法を提案する。 我々の多次元手法は, 合成および実世界の両方のデータセットにおいて, 文献的手法よりも優れている。
  論文  参考訳（メタデータ） (2020-02-23T22:52:28Z)

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。