論文の概要: ArchISMiner: A Framework for Automatic Mining of Architectural Issue-Solution Pairs from Online Developer Communities

• arxiv url: http://arxiv.org/abs/2510.21966v1
• Date: Fri, 24 Oct 2025 18:46:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 15:28:14.714824
• Title: ArchISMiner: A Framework for Automatic Mining of Architectural Issue-Solution Pairs from Online Developer Communities
• Title（参考訳）: ArchISMiner: オンライン開発者コミュニティによるアーキテクチャ上の課題解決ペアの自動マイニングフレームワーク
• Authors: Musengamana Jean de Dieu, Ruiyin Li, Peng Liang, Mojtaba Shahin, Muhammad Waseem, Arif Ali Khan, Bangchao Wang, Mst Shamima Aktar,
• Abstract要約: 本研究は,Stack Overflow (SO) からアーキテクチャ知識をマイニングするフレームワーク ArchISMiner を紹介する。 ArchPIは、従来のML/DLモデル、PLM(Pre-trained Language Models)、LLM(Large Language Models)など、複数のモデルを訓練し、評価する。 ArchISPEは、BERT埋め込みやローカルのTextCNN機能などの多様な機能を活用して、アーキテクチャ上の問題解決ペアを抽出する間接的な教師付きアプローチを採用している。
• 参考スコア（独自算出の注目度）: 6.581259125900377
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Stack Overflow (SO), a leading online community forum, is a rich source of software development knowledge. However, locating architectural knowledge, such as architectural solutions remains challenging due to the overwhelming volume of unstructured content and fragmented discussions. Developers must manually sift through posts to find relevant architectural insights, which is time-consuming and error-prone. This study introduces ArchISMiner, a framework for mining architectural knowledge from SO. The framework comprises two complementary components: ArchPI and ArchISPE. ArchPI trains and evaluates multiple models, including conventional ML/DL models, Pre-trained Language Models (PLMs), and Large Language Models (LLMs), and selects the best-performing model to automatically identify Architecture-Related Posts (ARPs) among programming-related discussions. ArchISPE employs an indirect supervised approach that leverages diverse features, including BERT embeddings and local TextCNN features, to extract architectural issue-solution pairs. Our evaluation shows that the best model in ArchPI achieves an F1-score of 0.960 in ARP detection, and ArchISPE outperforms baselines in both SE and NLP fields, achieving F1-scores of 0.883 for architectural issues and 0.894 for solutions. A user study further validated the quality (e.g., relevance and usefulness) of the identified ARPs and the extracted issue-solution pairs. Moreover, we applied ArchISMiner to three additional forums, releasing a dataset of over 18K architectural issue-solution pairs. Overall, ArchISMiner can help architects and developers identify ARPs and extract succinct, relevant, and useful architectural knowledge from developer communities more accurately and efficiently. The replication package of this study has been provided at https://github.com/JeanMusenga/ArchISPE
• Abstract（参考訳）: オンラインコミュニティの主要なフォーラムであるStack Overflow (SO)は、ソフトウェア開発の知識の豊富な情報源である。 しかし、非構造化コンテンツや断片的な議論が圧倒的に多いため、アーキテクチャソリューションのようなアーキテクチャ知識の配置は依然として困難である。 開発者は手動で記事を調べて、関連するアーキテクチャ上の洞察を見つけなければならない。 本研究は,SOからアーキテクチャ知識をマイニングするフレームワークであるArchisMinerを紹介する。 このフレームワークはArchPIとArchISPEの2つの補完コンポーネントから構成されている。 ArchPIは、従来のML/DLモデル、PLM(Pre-trained Language Models)、LLM(Large Language Models)を含む複数のモデルを訓練し、評価し、プログラミングに関する議論の中でアーキテクチャ関連ポスト(ARP)を自動的に識別する最高のパフォーマンスモデルを選択する。 ArchISPEは、BERT埋め込みやローカルのTextCNN機能などの多様な機能を活用して、アーキテクチャ上の問題解決ペアを抽出する間接的な教師付きアプローチを採用している。 評価の結果,ArchPI の最良のモデルでは ARP 検出において 0.960 の F1 スコアが得られ,ArchISPE は SE および NLP のフィールドにおいて 0.883 の F1 スコア,ソリューションでは 0.894 のベースラインよりも優れていた。 ユーザスタディでは、同定されたALPと抽出された課題解決ペアの品質(例えば、妥当性、有用性)をさらに検証した。 さらに、ArchISMinerを3つのフォーラムに適用し、18Kを超えるアーキテクチャ上の課題解決ペアのデータセットを公開しました。 ArchISMinerは、アーキテクトや開発者がARPを識別し、開発者コミュニティから簡潔で、関連性があり、有用なアーキテクチャ知識をより正確かつ効率的に抽出するのに役立つ。 本研究の複製パッケージはhttps://github.com/JeanMusenga/ArchISPEで公開されている。

関連論文リスト

• QuArch: A Benchmark for Evaluating LLM Reasoning in Computer Architecture [36.842856470579726]
  QuArchは、コンピュータアーキテクチャにおける大規模言語モデル(LLM)機能の開発と評価を容易にするために設計された最初のベンチマークである。 評価の結果,フロンティアモデルはドメイン固有の知識を持っているが,高次思考を必要とするスキルに苦慮していることが明らかとなった。
  論文  参考訳（メタデータ） (2025-10-24T23:54:17Z)
• Dynamic Acoustic Model Architecture Optimization in Training for ASR [51.21112094223223]
  DMAOは、Grow-and-drop戦略を使用して、トレーニング中にパラメータを自動的に再配置するアーキテクチャ最適化フレームワークである。 CTC onSpeech, TED-Lium-v2, Switchboard を用いてDMAOの評価を行った。
  論文  参考訳（メタデータ） (2025-06-16T07:47:34Z)
• TwinArch: A Digital Twin Reference Architecture [83.71071897785683]
  デジタルツイン(Digital Twins, DT)は物理系の動的仮想表現であり、物理的およびデジタル領域間のシームレスな双方向通信によって実現される。 提案されているDigital Twin Reference ArchitectureはTwinArchという名前だ。ソフトウェア工学研究所のViews and Beyond方法論を使って文書化されている。
  論文  参考訳（メタデータ） (2025-04-10T07:53:11Z)
• Archon: An Architecture Search Framework for Inference-Time Techniques [31.655124464284523]
  Archonは推論時テクニックと大規模言語モデルの選択と組み合わせのためのフレームワークである。 計算予算が与えられたArchonは、ターゲットベンチマークに適した最適化された設定を見つけるために、大規模な設計スペースを探索する。 本稿では,OpenAIのo1, GPT-4o, Claude 3.5 Sonnetなどのフロンティアモデルよりも平均15.1%優れた設計システムに,新たな推論計算予算を利用できることを示す。
  論文  参考訳（メタデータ） (2024-09-23T17:53:42Z)
• EM-DARTS: Hierarchical Differentiable Architecture Search for Eye Movement Recognition [20.209756662832365]
  微分可能なニューラルアーキテクチャサーチ(DARTS)は、高い探索効率でアーキテクチャ設計のマニュアルプロセスを自動化する。 眼球運動認識のためのDLアーキテクチャを自動設計する階層的微分可能なアーキテクチャ探索アルゴリズムEM-DARTSを提案する。 EM-DARTSは、最先端の認識性能につながる最適なアーキテクチャを実現できることを示す。
  論文  参考訳（メタデータ） (2024-09-22T13:11:08Z)
• ArchGym: An Open-Source Gymnasium for Machine Learning Assisted Architecture Design [52.57999109204569]
  ArchGymは、さまざまな検索アルゴリズムをアーキテクチャシミュレータに接続するオープンソースのフレームワークである。 我々は、カスタムメモリコントローラ、ディープニューラルネットワークアクセラレータ、AR/VRワークロード用のカスタムSOCを設計する際に、複数のバニラおよびドメイン固有の検索アルゴリズムにわたってArchGymを評価する。
  論文  参考訳（メタデータ） (2023-06-15T06:41:23Z)
• DARTS-ASR: Differentiable Architecture Search for Multilingual Speech Recognition and Adaptation [64.44349061520671]
  本稿では,DARTS-ASRを用いたアーキテクチャ探索手法を提案する。 DARTS-ASRの一般化可能性を検討するために,本手法を多くの言語に応用し,単言語ASRを実行するだけでなく,多言語ASR設定にも適用する。
  論文  参考訳（メタデータ） (2020-05-13T11:32:27Z)

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。