論文の概要: Unveiling Hybrid Cyclomatic Complexity: A Comprehensive Analysis and Evaluation as an Integral Feature in Automatic Defect Prediction Models

• arxiv url: http://arxiv.org/abs/2504.00477v1
• Date: Tue, 01 Apr 2025 07:07:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-03 13:23:57.825431
• Title: Unveiling Hybrid Cyclomatic Complexity: A Comprehensive Analysis and Evaluation as an Integral Feature in Automatic Defect Prediction Models
• Title（参考訳）: ハイブリッド・サイクロマティック・コンプレックスの展開:自動欠陥予測モデルにおける総合的解析と統合的特徴としての評価
• Authors: Laura Diana Cernau, Laura Diosan, Camelia Serban,
• Abstract要約: 本稿では,新しい複雑性指標であるHybrid Cyclomatic Complexity(HCC)の解析と,欠陥予測モデルの特徴としての有効性について述べる。 HCCメトリックとその2つのコンポーネントの比較研究、継承された複雑性とオブジェクト指向の文脈におけるクラスの実際の複雑さについて述べる。
• 参考スコア（独自算出の注目度）: 0.5461938536945723
• License:
• Abstract: The complex software systems developed nowadays require assessing their quality and proneness to errors. Reducing code complexity is a never-ending problem, especially in today's fast pace of software systems development. Therefore, the industry needs to find a method to determine the qualities of a software system, the degree of difficulty in developing new functionalities, or the system's proneness to errors. One way of measuring and predicting the quality attributes of a software system is to analyse the software metrics values for it and the relationships between them. More precisely, we should study the metrics that measure and determine the degree of complexity of the code. This paper aims to analyse a novel complexity metric, Hybrid Cyclomatic Complexity (HCC) and its efficiency as a feature in a defect prediction model. The main idea behind this new metric is that inherited complexity should play a role in the complexity of a class, hence the need for a metric that calculates the total complexity of a class, taking into account the complexities of its descendants. Moreover, we will present a comparative study between the HCC metric and its two components, the inherited complexity and the actual complexity of a class in the object-oriented context. Since we want this metric to be as valuable as possible, the experiments will use data from open-source projects. One of the conclusions that can be drawn from these experiments is that inherited complexity is not correlated with class complexity. Therefore, HCC can be considered a valid metric from this point of view. Moreover, the evaluation of the efficiency of the prediction models shows us a similar efficiency for HCC and the inherited complexity. Additionally, there is a need for a clear distinction between a class's complexity and its inherited complexity when defining complexity metrics.
• Abstract（参考訳）: 現在開発された複雑なソフトウェアシステムは、その品質とエラーの傾向を評価する必要がある。 コードの複雑さを減らすことは、特に今日のソフトウェア開発の速いペースで、絶え間ない問題です。 したがって、業界は、ソフトウェアシステムの品質、新しい機能を開発するのに困難である程度、あるいはエラーに対するシステムの習熟度を決定する方法を見つける必要がある。 ソフトウェアシステムの品質特性を計測し予測する1つの方法は、ソフトウェアメトリクスの値とその関係を分析することである。 より正確には、コードの複雑さの度合いを測定し、決定するメトリクスを調べるべきです。 本稿では,新しい複雑性指標であるHybrid Cyclomatic Complexity(HCC)の解析と,欠陥予測モデルの特徴としての有効性について述べる。 この新しい計量の背景にある主要な考え方は、継承された複雑性はクラスの複雑さにおいて役割を果たすべきであり、従って、その子孫の複雑さを考慮して、クラスの全体の複雑さを計算する計量が必要であるということである。 さらに、HCCメトリックとその2つのコンポーネントの比較研究、継承された複雑性とオブジェクト指向コンテキストにおけるクラスの実際の複雑さについて述べる。 このメトリクスを可能な限り価値のあるものにしたいので、実験ではオープンソースプロジェクトのデータを使用します。 これらの実験から得られる結論の1つは、継承された複雑性がクラス複雑性と相関しないということである。 したがって、HCCはこの観点から有効な計量と見なすことができる。 さらに,予測モデルの効率性を評価することで,HCCと遺伝的複雑性の類似した効率性を示す。 さらに、複雑性メトリクスを定義する際に、クラスの複雑さと継承された複雑さとを明確に区別する必要がある。

関連論文リスト

• Learning K-U-Net with constant complexity: An Application to time series forecasting [1.8816077341295625]
  時系列予測のための深層モデルのトレーニングは、時間複雑性の固有の課題において重要なタスクである。 本稿では,ディープラーニングモデルにおいて一定の時間的複雑性を実現するために,指数関数的に重み付けされた勾配降下アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-03T12:35:17Z)
• Benchmarking Complex Instruction-Following with Multiple Constraints Composition [72.82640456309821]
  大規模言語モデル(LLM)の複雑な命令追従能力の評価方法が重要な研究課題となっている。 既存のベンチマークは主に、異なる制約の構成を無視しながら、人間の指示で異なるタイプの制約をモデル化することに焦点を当てている。 複数の制約からなる複雑な命令に従うLLMの能力を総合的に評価するためのベンチマークである ComplexBench を提案する。
  論文  参考訳（メタデータ） (2024-07-04T14:50:45Z)
• Adaptive-RAG: Learning to Adapt Retrieval-Augmented Large Language Models through Question Complexity [59.57065228857247]
  Retrieval-augmented Large Language Models (LLMs) は、質問回答(QA)のようなタスクにおける応答精度を高めるための有望なアプローチとして登場した。 本稿では,クエリの複雑さに基づいて,LLMの最適戦略を動的に選択できる適応型QAフレームワークを提案する。 オープンドメインのQAデータセットを用いて、複数のクエリの複雑さを網羅し、QAシステムの全体的な効率性と精度を高めることを示す。
  論文  参考訳（メタデータ） (2024-03-21T13:52:30Z)
• CoCoST: Automatic Complex Code Generation with Online Searching and Correctness Testing [51.00909683314142]
  大規模言語モデルは、自然言語記述を実行可能なコードに変換することによって、コード生成能力に革命をもたらした。 CoCoSTフレームワークは、オンライン検索によって複雑なコード生成を強化する。 CoCoSTはDS-1000とClassEvalデータセットの厳密な実験によって検証される。
  論文  参考訳（メタデータ） (2024-03-20T13:33:55Z)
• Inducing Systematicity in Transformers by Attending to Structurally Quantized Embeddings [60.698130703909804]
  トランスフォーマーは、複雑なデータセットでトレーニングされた後、構造と実体の新規な構成に一般化する。 本稿では,SQ-Transformerを提案する。 SQ-Transformerは,複数の低複雑さ意味解析および機械翻訳データセット上で,バニラ変換器よりも強い構成一般化を実現することを示す。
  論文  参考訳（メタデータ） (2024-02-09T15:53:15Z)
• CodeComplex: Dataset for Worst-Case Time Complexity Prediction [7.974618854858136]
  コード時間の複雑さ予測には、変数の入力範囲や条件ループなど、様々な複雑な要素が含まれる。 現在のベンチマークは、限られたデータ、言語制約、不十分なラベリングのために厳格な評価を提供していない。 コード時間の複雑さを予測する上で,LSMの推論能力を評価するために設計された最初の堅牢で広範なデータセットであるCodeComplexを紹介した。
  論文  参考訳（メタデータ） (2024-01-16T06:54:44Z)
• When Do Program-of-Thoughts Work for Reasoning? [51.2699797837818]
  本稿では,コードと推論能力の相関性を測定するために,複雑性に富んだ推論スコア(CIRS)を提案する。 具体的には、抽象構文木を用いて構造情報をエンコードし、論理的複雑性を計算する。 コードはhttps://github.com/zjunlp/EasyInstructのEasyInstructフレームワークに統合される。
  論文  参考訳（メタデータ） (2023-08-29T17:22:39Z)
• An Exploration of Multicalibration Uniform Convergence Bounds [25.500680663483624]
  本稿では,経験的リスク最小化学習のためのサンプル複雑度を再パラメータ化することにより,多重校正誤差の均一収束境界を求めるフレームワークを提案する。 この枠組みから,マルチキャリブレーション誤差は分類器のアーキテクチャや基礎となるデータ分布に依存することを示す。
  論文  参考訳（メタデータ） (2022-02-09T15:48:10Z)
• Provable Reinforcement Learning with a Short-Term Memory [68.00677878812908]
  我々はPMDPsの新しいサブクラスについて研究し、その潜在状態は、最近の短い長さ$m$の履歴によって復号化することができる。 特に、リッチ・オブザーブレーション・セッティングにおいて、指数関数的にスケールするサンプル複雑性を持つ新しい「モーメントマッチング」アプローチを用いて、新しいアルゴリズムを開発する。 以上の結果から,これらの環境下での強化学習には短期記憶が十分であることが示唆された。
  論文  参考訳（メタデータ） (2022-02-08T16:39:57Z)
• Simple or Complex? Complexity-Controllable Question Generation with Soft Templates and Deep Mixture of Experts Model [15.411214563867548]
  本稿では,ソフトテンプレートのセレクタとして専門家(MoE)の混合を取り入れた,エンドツーエンドのニューラル複雑性制御可能な質問生成モデルを提案する。 本手法では,質問の複雑さを評価するために,新しいクロスドメイン複雑度推定器を導入する。 2つのベンチマークQAデータセットの実験結果は、我々のQGモデルが、自動評価と手動評価の両方において最先端の手法よりも優れていることを示している。
  論文  参考訳（メタデータ） (2021-10-13T08:16:52Z)

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。