論文の概要: A Pilot Study on Detecting Software Design Patterns with Large Language Models: An Empirical Evaluation

• arxiv url: http://arxiv.org/abs/2604.17329v1
• Date: Sun, 19 Apr 2026 08:51:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.470381
• Title: A Pilot Study on Detecting Software Design Patterns with Large Language Models: An Empirical Evaluation
• Title（参考訳）: 大規模言語モデルを用いたソフトウェア設計パターンの検出に関する実験的検討 : 経験的評価
• Authors: Oishik Chowdhury, Bastin Tony Roy Savarimuthu, Sherlock A. Licorish,
• Abstract要約: 本研究では、4つの大言語モデルと2つのアンサンブルアプローチの設計パターン認識能力を評価する。 本研究では, シングルトン, アダプタ, ブリッジ, コンポジット, デコレータの5種類の設計パターンを検出する。 予備的な結果は,NextCoder と Gemma 3 が評価した他のモデルよりも比較的高い精度で設計パターンを自動的に検出できることを示唆している。
• 参考スコア（独自算出の注目度）: 3.4881760143114353
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Design patterns provide reusable solutions to recurring software design problems. Automatically detecting these patterns in source code can help bootstrap new developers' understanding of unfamiliar software system architectures, and can help experienced developers to quickly identify and rectify potential quality issues. While many prior research works have explored graph based and machine-learning based detection techniques, this work evaluates the design pattern recognition capabilities of four Large Language Models and two ensemble approaches consisting three out of the four models. We also compare their performance when prompted with a) Source code, b) PlantUML representation of source code, and c) Text-based descriptions of the source code. We investigate the detection of five design patterns: singleton, adapter, bridge, composite and decorator. Our preliminary results indicate that LLMs show promise for automatically detecting design patterns, with NextCoder and Gemma 3 demonstrating comparatively higher accuracy than other models evaluated, and the ensemble approaches enhancing the overall efficiency of design pattern detection. We identify several directions for future work.
• Abstract（参考訳）: デザインパターンは、繰り返し発生するソフトウェア設計問題に対する再利用可能なソリューションを提供する。 ソースコードでこれらのパターンを自動的に検出することは、新しい開発者が慣れていないソフトウェアシステムアーキテクチャを理解するのに役立ち、経験豊富な開発者が潜在的な品質問題を素早く特定し修正するのに役立つ。 多くの先行研究でグラフベースと機械学習に基づく検出技術が研究されているが、この研究は4つの大言語モデルと4つのモデルのうち3つからなる2つのアンサンブルアプローチの設計パターン認識能力を評価する。 私たちはまた、そのパフォーマンスをプロンプトするときに比較します。 a) ソースコード ロ ソースコードの植物UML表示及び c) ソースコードのテキストベースの記述 本研究では, シングルトン, アダプタ, ブリッジ, コンポジット, デコレータの5種類の設計パターンを検出する。 予備的な結果から,LLMは設計パターンを自動的に検出する可能性を示し,NextCoderとGemma 3は評価された他のモデルよりも比較的高い精度を示し,アンサンブルアプローチは設計パターン検出の全体的な効率を向上させることが示唆された。 我々は将来的な仕事の道筋を定めている。

関連論文リスト

• Every Step Counts: Decoding Trajectories as Authorship Fingerprints of dLLMs [63.82840470917859]
  本稿では,dLLMの復号化機構をモデル属性の強力なツールとして利用できることを示す。 本稿では、デコードステップ間の構造的関係を捉え、モデル固有の振る舞いをよりよく明らかにする、DDM(Directed Decoding Map)と呼ばれる新しい情報抽出手法を提案する。
  論文  参考訳（メタデータ） (2025-10-02T06:25:10Z)
• LOCOFY Large Design Models -- Design to code conversion solution [0.0]
  本稿では,デザインからコードへのシームレスな変換を実現するために,デザインとWebページに特化して訓練された大規模デザインモデルを紹介した。 データエンジニアリングと適切なモデルアーキテクチャの修正を取り入れたトレーニングと推論パイプラインを開発した。 提案モデルでは, 新規なプレビューマッチスコア測定値を用いて, エンド・ツー・エンドの設計・コード変換精度を実証した。
  論文  参考訳（メタデータ） (2025-07-22T03:54:57Z)
• EnseSmells: Deep ensemble and programming language models for automated code smells detection [3.974095344344234]
  ソフトウェアソースコードの匂いは、最適な設計と実装上の決定を示す。 本稿では,構造的特徴と統計的意味論の融合に重きを置く深層学習アーキテクチャを構築するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-02-07T15:35:19Z)
• Automated Microservice Pattern Instance Detection Using Infrastructure-as-Code Artifacts and Large Language Models [0.0]
  この記事では、現在進行中のPhD研究、初期の実験、マイクロサービスパターンインスタンスの自動検出のためのMicroPADと呼ばれるツールのプロトタイプについて紹介します。 プロトタイプでは、Large Language Models(LLM)を使用して、インフラストラクチャ・アズ・コード(IaC)アーティファクトを分析して検出を支援し、コストを低く抑え、検出可能なパターンの範囲を最大化することを目的としている。
  論文  参考訳（メタデータ） (2025-02-06T16:22:14Z)
• ViUniT: Visual Unit Tests for More Robust Visual Programming [104.55763189099125]
  モデルが正しく答えると、不正なプログラムを33%生成します。 自動単体テストを生成することで、視覚プログラムの信頼性を向上させるためのフレームワークであるVisual Unit Testing (ViUniT)を提案する。
  論文  参考訳（メタデータ） (2024-12-12T01:36:18Z)
• Design2Code: Benchmarking Multimodal Code Generation for Automated Front-End Engineering [74.99736967448423]
  私たちは、このタスクのための最初の実世界のベンチマークであるDesign2Codeを構築します。 テストケースとして484の多様な実世界のWebページを手作業でキュレートし、自動評価指標のセットを開発する。 我々の詳細なブレークダウンメトリクスは、入力されたWebページから視覚要素をリコールし、正しいレイアウト設計を生成するモデルがほとんど遅れていることを示している。
  論文  参考訳（メタデータ） (2024-03-05T17:56:27Z)
• Precise Learning of Source Code Contextual Semantics via Hierarchical Dependence Structure and Graph Attention Networks [28.212889828892664]
  階層的な依存関係を組み込んだ新しいソースコードモデルを提案する。 本稿では,基本ブロックの構文構造,すなわち対応するASTをソースコードモデルに導入し,十分な情報を提供する。 その結果,本モデルではパラメータのスケールを50%削減し,プログラム分類タスクの精度を4%向上させることができた。
  論文  参考訳（メタデータ） (2021-11-20T04:03:42Z)
• A Template-guided Hybrid Pointer Network for Knowledge-basedTask-oriented Dialogue Systems [15.654119998970499]
  本稿では,知識に基づくタスク指向対話システムのためのテンプレート誘導型ハイブリッドポインタネットワークを提案する。 本研究では,ゲーティング機構を備えたメモリポインタネットワークモデルを設計し,検索した回答と接地トラス応答とのセマンティックな相関関係をフル活用する。
  論文  参考訳（メタデータ） (2021-06-10T15:49:26Z)
• When Liebig's Barrel Meets Facial Landmark Detection: A Practical Model [87.25037167380522]
  正確で、堅牢で、効率的で、一般化可能で、エンドツーエンドのトレーニングが可能なモデルを提案する。 精度を向上させるために,2つの軽量モジュールを提案する。 DQInitは、インプットからデコーダのクエリを動的に初期化し、複数のデコーダ層を持つものと同じ精度でモデルを実現する。 QAMemは、共有するクエリではなく、それぞれのクエリに別々のメモリ値を割り当てることで、低解像度のフィーチャーマップ上のクエリの識別能力を高めるように設計されている。
  論文  参考訳（メタデータ） (2021-05-27T13:51:42Z)

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。