論文の概要: Domain-Driven Design in Practice: A Large-Scale Empirical Characterisation of the Open-Source Ecosystem

• arxiv url: http://arxiv.org/abs/2607.06471v1
• Date: Tue, 07 Jul 2026 16:29:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-08 21:24:51.587541
• Title: Domain-Driven Design in Practice: A Large-Scale Empirical Characterisation of the Open-Source Ecosystem
• Title（参考訳）: ドメイン駆動設計の実践 - オープンソースエコシステムの大規模実証的特徴化
• Abstract要約: ドメイン駆動設計は、ソフトウェアの複雑さを管理するための主要なパラダイムです。 私たちは、GitHubでDDDのランドスケープを初めて大規模に特徴づけています。
• 参考スコア（独自算出の注目度）: 2.1414206993025027
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Context: Domain-Driven Design (DDD) is a leading paradigm for managing software complexity, yet research remains largely theoretical; our prior work found nearly 39% of DDD studies lack rigorous empirical evaluation, leaving practical adoption largely unexamined at scale. Objective: We provide the first large-scale characterisation of the DDD landscape on GitHub, a data-driven baseline for how the paradigm is implemented and sustained in practice. Method: Using a Mining Software Repositories (MSR) approach with a hybrid strategy (topics and README keywords), we identified 11,742 candidate repositories. To address label noise, we built a novel semantic validation pipeline using GPT-4o with a triplicate majority-vote strategy, yielding 2,502 verified repositories. Validation against a manually labelled sample showed substantial agreement with human experts (kappa = 0.77). Results: DDD adoption accelerated sharply after a 2017 inflection point, and the resulting projects are notably long-lived: their median lifespan exceeds the typical GitHub project by over an order of magnitude, indicating sustained, professional-grade engineering rather than short-lived experiments. Layered and Clean Architecture dominate, while CQRS and Event Sourcing recur in distributed, data-intensive systems. Notably, the data challenge the Java-centric assumption of much academic work: C# and TypeScript, not Java, lead practical adoption. Conclusions: DDD has matured into a stable, professional-grade practice adopted across diverse languages and domains. However, a quarter of projects (25.3%) record no explicit business context, revealing a persistent gap between how domain intent is designed and how it is preserved in version control. We call for lightweight architectural traceability standards and offer guidance for teams reusing these repositories as reference implementations.
• Abstract（参考訳）: コンテキスト: ドメイン駆動設計(DDD)は、ソフトウェア複雑さを管理するための主要なパラダイムですが、研究はほぼ理論的です。 目的: 私たちはGitHubでDDDのランドスケープを初めて大規模に特徴づけました。 Method: Mining Software Repositories(MSR)アプローチとハイブリッド戦略(トピックとREADMEキーワード)を用いて、11,742の候補リポジトリを特定した。 ラベルノイズに対処するため,GPT-4oを用いた新しいセマンティック検証パイプラインを構築した。 手動でラベル付けしたサンプルに対する検証の結果、人間の専門家とはかなりの一致(カッパ=0.77)を示した。 結果として: 2017年のインフレクションポイント以降、DDDの採用は急速に加速し、結果として得られたプロジェクトは特に長命である。 CQRSとEvent Sourcingは分散データ集約システムで再帰する。 特に、C#とTypeScriptはJavaではなく、実践的な採用を導いている。 結論: DDDは成熟して,さまざまな言語やドメインにまたがって採用される,安定したプロフェッショナルレベルのプラクティスになりました。 しかしながら、プロジェクトの4分の1(25.3%)は明示的なビジネスコンテキストを記録せず、ドメインの意図がどのように設計され、バージョン管理でどのように保存されるかという、永続的なギャップを明らかにしている。 軽量なアーキテクチャトレーサビリティ標準を要求し、これらのリポジトリをリファレンス実装として再利用するチームのためのガイダンスを提供します。

関連論文リスト

• Domain-Driven Design in Practice: A Mining Study of Maintenance and Evolution in Open-Source Repositories [4.293430644090418]
  ドメイン駆動設計(DDD、Domain-Driven Design)は、ビジネスドメインの複雑さにまつわるソフトウェアを構成する、影響力のあるソフトウェア開発方法論である。 ソフトウェアエンジニアリングにおいてその優位性にもかかわらず、DDDの実践方法、その進化方法、そしてオープンソースプロジェクトにおけるソフトウェアのメンテナンス品質との関連性に関する大規模な実証的な証拠は、まだ少ないままである。 本研究では、オープンソースGitHubリポジトリにおけるDDDの戦術的ビルディングブロックの分布、進化、および保守に関する事前登録された実証的研究を示す。
  論文  参考訳（メタデータ） (2026-06-22T22:22:17Z)
• Heuristic-inspired Reasoning Priors Facilitate Data-Efficient Referring Object Detection [53.988759250627425]
  HeROD(Heuristic-inspired ROD)は、明示的で解釈可能な空間的および意味的推論を注入する軽量でモデルに依存しないフレームワークである。 HeRODは、スカーセラベル体制において強い接地ベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-03-25T10:33:22Z)
• Bridging Academia and Industry: A Comprehensive Benchmark for Attributed Graph Clustering [19.247242477915382]
  分散グラフクラスタリング(AGC)は、構造トポロジとノード属性を統合して、グラフ構造化データの潜在パターンを明らかにする、基本的な教師なしタスクである。 不正検出やユーザセグメンテーションといった産業的応用において重要であるが、学術研究と現実世界の展開の間には大きな亀裂が残っている。 PyAGCは多種多様なスケールと構造特性にまたがってAGC手法をストレステストするために設計された,実運用可能なベンチマークおよびライブラリである。
  論文  参考訳（メタデータ） (2026-02-09T11:07:24Z)
• ABC-Bench: Benchmarking Agentic Backend Coding in Real-World Development [72.4729759618632]
  本稿では,現実的かつ実行可能なワークフロー内でエージェントバックエンドコーディングを評価するベンチマークであるABC-Benchを紹介する。 オープンソースリポジトリから8つの言語と19のフレームワークにまたがる224の実践的なタスクをキュレートしました。 我々の評価は、最先端モデルでさえ、これらの総合的なタスクに対して信頼性の高いパフォーマンスを提供するのに苦労していることを示している。
  論文  参考訳（メタデータ） (2026-01-16T08:23:52Z)
• BRIDGE: Building Representations In Domain Guided Program Verification [67.36686119518441]
  BRIDGEは、検証をコード、仕様、証明の3つの相互接続ドメインに分解する。 提案手法は, 標準誤差フィードバック法よりも精度と効率を著しく向上することを示す。
  論文  参考訳（メタデータ） (2025-11-26T06:39:19Z)
• Towards Realistic Project-Level Code Generation via Multi-Agent Collaboration and Semantic Architecture Modeling [7.753074942497876]
  CodeProjectEvalは、12.7ファイルと2,388.6行のタスクを持つ18の現実世界リポジトリから構築されたプロジェクトレベルのコード生成データセットである。 プロジェクトをアーキテクチャ設計、スケルトン生成、コードフィリングステージに分解するマルチエージェントフレームワークであるProjectGenを提案する。 実験によると、ProjectGenは、52/124のテストケースを小さなプロジェクトレベルのコード生成データセットDevBenchに渡すことで、最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-11-05T12:12:35Z)
• DI-BENCH: Benchmarking Large Language Models on Dependency Inference with Testable Repositories at Scale [39.92722886613929]
  DI-BENCHは、大規模言語モデルの依存性推論能力を評価するために設計された、大規模なベンチマークおよび評価フレームワークである。 ベンチマークでは、Python、C#、Rust、JavaScriptにまたがるテスト環境を備えた581のリポジトリが提供されている。 テキストと実行ベースのメトリクスによる大規模な実験により、現在の最高のパフォーマンスモデルは42.9%の実行パス率しか達成していないことが明らかになった。
  論文  参考訳（メタデータ） (2025-01-23T14:27:11Z)
• The Last Mile to Supervised Performance: Semi-Supervised Domain Adaptation for Semantic Segmentation [51.77968964691317]
  半スーパービジョンドメイン適応(SSDA)の有望な設定について検討する。 本稿では,整合性正規化,画素コントラスト学習,自己学習を組み合わせたシンプルなSSDAフレームワークを提案し,いくつかのターゲットドメインラベルを効果的に活用する。 提案手法は,GTA-to-Cityscapesベンチマークにおいて先行技術よりも優れており,50個のターゲットラベルがほぼ教師付き性能を達成するのに十分であることを示す。
  論文  参考訳（メタデータ） (2024-11-27T20:07:42Z)
• Codev-Bench: How Do LLMs Understand Developer-Centric Code Completion? [60.84912551069379]
  Code-Development Benchmark (Codev-Bench)は、細粒度で現実世界、リポジトリレベル、開発者中心の評価フレームワークです。 Codev-Agentは、リポジトリのクローリングを自動化し、実行環境を構築し、既存のユニットテストから動的呼び出しチェーンを抽出し、データ漏洩を避けるために新しいテストサンプルを生成するエージェントベースのシステムである。
  論文  参考訳（メタデータ） (2024-10-02T09:11:10Z)
• ActiveAD: Planning-Oriented Active Learning for End-to-End Autonomous Driving [96.92499034935466]
  自動運転のためのエンドツーエンドの差別化学習は、最近顕著なパラダイムになっている。 第一のボトルネックは、高品質なラベル付きデータに対する大胆な欲求にある。 収集した生データの一部を段階的に注釈付けする計画指向のアクティブラーニング手法を提案する。
  論文  参考訳（メタデータ） (2024-03-05T11:39:07Z)
• MDD-UNet: Domain Adaptation for Medical Image Segmentation with Theoretical Guarantees, a Proof of Concept [3.376269351435396]
  理論的保証付きU-Netのための教師なしドメイン適応フレームワークを提案する。 MDD-UNetは、ターゲットドメインのラベルに関する知識のない、ドメイン不変の機能を学ぶことができる。 この研究は、モダンな拡張なしに標準形式でのU-Netの改善を示すことによって、概念実証として機能する。
  論文  参考訳（メタデータ） (2023-12-19T15:30:10Z)
• Revisiting Domain-Adaptive 3D Object Detection by Reliable, Diverse and Class-balanced Pseudo-Labeling [38.07637524378327]
  ドメイン適応型3Dオブジェクト検出において,疑似ラベリング技術を用いた教師なしドメイン適応(DA)が重要なアプローチとして浮上している。 既存のDAメソッドは、マルチクラスのトレーニング環境に適用した場合、パフォーマンスが大幅に低下する。 本稿では,すべてのクラスを一度に検出する学習に適した新しいReDBフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-07-16T04:34:11Z)
• Dataset Distillation: A Comprehensive Review [76.26276286545284]
  データセット蒸留(DD)は、トレーニングされたモデルが元のデータセットでトレーニングされたデータセットに匹敵するパフォーマンスを得るために、合成サンプルを含むはるかに小さなデータセットを導出することを目的としている。 本稿ではDDの最近の進歩とその応用について概説する。
  論文  参考訳（メタデータ） (2023-01-17T17:03:28Z)

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。