論文の概要: A Text Mining and Classification Approach for Analyzing Architecture Decision Records
- arxiv url: http://arxiv.org/abs/2609.07375v1
- Date: Mon, 07 Sep 2026 11:52:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-12 00:35:08.132388
- Title: A Text Mining and Classification Approach for Analyzing Architecture Decision Records
- Title（参考訳）: 建築決定記録の分析のためのテキストマイニングと分類手法
- Abstract要約: 本稿では,大規模アーキテクチャ決定レコードを解析するための自動テキストマイニングと分類手法を提案する。
本分析では,ADRがMADRテンプレートに適合する程度,意思決定特性と品質特性について検討する。
以上の結果から, ADRは存在, 技術, プロセスに関連する意思決定を頻繁に捉えるが, 代替案, 意思決定ドライバ, 品質上の懸念は未文書のままである。
- 参考スコア（独自算出の注目度）: 0.45880283710344066
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Architectural decision records (ADRs) have become a popular lightweight mechanism for documenting architectural knowledge in software projects. However, there is limited empirical evidence on the kinds of architectural concerns captured in ADRs and how well their contents align with established architectural knowledge concepts and documentation practices. In this paper, we propose an automated text-mining and classification approach for analyzing ADRs at scale. We apply this approach to a dataset of ADRs extracted from ~550 open-source repositories, combining topic modeling, LLM-based classification, and template compliance checks. Our analysis examines decision taxonomies and quality attributes, and the degree to which ADRs adhere to the MADR template. Our findings show that ADRs frequently capture existence, technology, and process-related decisions, while alternatives, decisions drivers, and some quality concerns remain under-documented. We also observe recurring mismatches between ADR contents and template sections. These insights into current documentation practices provide architects with valuable information to reflect on how ADRs are and should be used to effectively deal with architectural knowledge. Furthermore, our automated approach is adaptable to other architectural tasks.
- Abstract（参考訳）: アーキテクチャ決定記録(ADR)は、ソフトウェアプロジェクトにおけるアーキテクチャ知識を文書化するための、一般的な軽量なメカニズムとなっている。
しかし、ADRが捉えたアーキテクチャ上の関心事の種類や、その内容が確立したアーキテクチャ知識の概念やドキュメントの実践とどのように一致しているかについての実証的な証拠は限られている。
本稿では,ADRを大規模に分析するためのテキストマイニングと分類の自動手法を提案する。
本稿では,約550のオープンソースリポジトリから抽出したADRのデータセットに適用し,トピックモデリング,LLMに基づく分類,テンプレートコンプライアンスチェックを組み合わせる。
本分析では,ADRがMADRテンプレートに適合する程度と品質特性について検討した。
以上の結果から, ADRは存在, 技術, プロセスに関連する意思決定を頻繁に捉えるが, 代替案, 意思決定ドライバ, 品質上の懸念は未文書のままである。
また,ADR内容とテンプレート部分のミスマッチを繰り返すことも観察した。
現在のドキュメンテーションプラクティスに対するこれらの洞察は、アーキテクトにADRがどのようにあるのかを反映する貴重な情報を提供し、アーキテクチャの知識を効果的に扱えるようにすべきである。
さらに、私たちの自動化アプローチは他のアーキテクチャタスクにも適応できます。
関連論文リスト
- Towards Knowledgeable Deep Research: Framework and Benchmark [105.87257445617922]
本稿では、DRエージェントが構造化知識と非構造化知識の両方でレポートを生成する必要があるKDR(Knowledable Deep Research)を紹介する。
テキスト,図形,テーブルをコヒーレントなマルチモーダルレポートに統合するマルチエージェントアーキテクチャであるHybrid Knowledge Analysis Framework (HKA)を提案する。
実験の結果,HKAは汎用および知識中心の指標において,既存のDRエージェントよりも一貫して優れていた。
論文 参考訳（メタデータ） (2026-04-09T02:06:27Z) - AgenticAKM : Enroute to Agentic Architecture Knowledge Management [2.625250413679978]
アーキテクチャ知識管理(AKM)は、ソフトウェアプロジェクトにおいて、現在かつ包括的なソフトウェアアーキテクチャ知識(AK)を維持するために不可欠である。
本稿では,AKM のエージェント的アプローチである AgenticAKM を提案し,アーキテクチャ回復とドキュメントの複雑な問題を,管理可能なサブタスクに分解する。
論文 参考訳（メタデータ） (2026-02-04T11:16:07Z) - Scaling Beyond Context: A Survey of Multimodal Retrieval-Augmented Generation for Document Understanding [61.36285696607487]
文書理解は、財務分析から科学的発見への応用に不可欠である。
現在のアプローチでは、OCRベースのパイプラインがLarge Language Models(LLM)やネイティブのMultimodal LLMs(MLLM)に制限されている。
Retrieval-Augmented Generation (RAG)は、外部データの基底モデルを支援するが、文書のマルチモーダルな性質は、テキスト、テーブル、チャート、レイアウトを組み合わせることで、より高度なパラダイムを必要とする。
論文 参考訳（メタデータ） (2025-10-17T02:33:16Z) - Equipping Retrieval-Augmented Large Language Models with Document Structure Awareness [15.810758425275322]
本稿では,RAGプロセス全体を通して構造情報を明示的に組み込む新しいフレームワークであるRetrieve-DocumentRoute-Read (RDR2)を提案する。
RDR2 は LLM ベースのルータを用いて文書構造木を動的にナビゲートする。
我々の重要な革新は、文書のルーティングをトレーニング可能なタスクとして定式化することであり、自動的なアクションキュレーションと、人間の読書戦略にインスパイアされた構造対応の通路選択である。
論文 参考訳（メタデータ） (2025-10-05T17:04:24Z) - DREAM: Document Reconstruction via End-to-end Autoregressive Model [53.51754520966657]
本稿では、文書再構成に特化した革新的な自己回帰モデルについて述べる。
文書再構成タスクの標準化定義を確立し,文書類似度基準(DSM)とDocRec1Kデータセットを導入し,タスクの性能を評価する。
論文 参考訳（メタデータ） (2025-07-08T09:24:07Z) - Deep Research Agents: A Systematic Examination And Roadmap [109.53237992384872]
Deep Research (DR) エージェントは複雑な多ターン情報研究タスクに取り組むように設計されている。
本稿では,DRエージェントを構成する基礎技術とアーキテクチャコンポーネントの詳細な分析を行う。
論文 参考訳（メタデータ） (2025-06-22T16:52:48Z) - ATRAF-driven IMRaD Methodology: Tradeoff and Risk Analysis of Software Architectures Across Abstraction Levels [0.0]
アーキテクチャアーティファクトを評価することは、パフォーマンス、変更性、セキュリティなどの品質特性に影響を与えるトレードオフやリスクを評価するために不可欠です。
私たちの以前の作業はアーキテクチャトレードオフとリスク分析フレームワーク(ATRAF)を導入しました。
本稿では, ATRAF の位相を IMRaD 区間と整合させる簡潔な手法である ATRAF 駆動 IMRaD 手法を提案する。
論文 参考訳（メタデータ） (2025-05-06T15:22:28Z) - The Architecture Tradeoff and Risk Analysis Framework (ATRAF): A Unified Approach for Evaluating Software Architectures, Reference Architectures, and Architectural Frameworks [0.0]
アーキテクチャトレードオフとリスク分析フレームワーク(ATRAF)について紹介する。
ATRAFは、アーキテクチャレベルを越えたトレードオフとリスクを評価するシナリオ駆動のフレームワークである。
アーキテクチャアーティファクトの継続的な洗練をサポートしながら、感受性、トレードオフ、リスクの識別を可能にする。
論文 参考訳（メタデータ） (2025-05-01T17:48:52Z) - Semi-Automated Design of Data-Intensive Architectures [49.1574468325115]
本稿では,データ集約型アーキテクチャの開発手法を紹介する。
i) 特定のアプリケーションシナリオに適したアーキテクチャを設計し、(ii) アプリケーションを実装するための具体的なシステムの適切なセットを選択することをアーキテクトに案内します。
私たちが採用している記述言語は、研究者や実践者が提案するデータ集約アーキテクチャの重要な側面を捉えることができる。
論文 参考訳（メタデータ） (2025-03-21T16:01:11Z) - REAR: A Relevance-Aware Retrieval-Augmented Framework for Open-Domain Question Answering [115.72130322143275]
REAR(Relevance-Aware Retrieval-augmented approach for open-domain Question answering, QA)
我々は,特殊な設計のアセスメントモジュールを組み込むことで,LLMベースのRAGシステムのための新しいアーキテクチャを開発する。
オープンドメインの4つのQAタスクの実験では、REARは以前の競争力のあるRAGアプローチよりも大幅に優れていた。
論文 参考訳（メタデータ） (2024-02-27T13:22:51Z) - From Requirements to Architecture: An AI-Based Journey to
Semi-Automatically Generate Software Architectures [2.4150871564195007]
本稿では,人工知能技術を用いた要件に基づくソフトウェアアーキテクチャ候補生成手法を提案する。
さらに、生成したアーキテクチャ候補の自動評価とトレードオフ分析を計画する。
論文 参考訳（メタデータ） (2024-01-25T10:56:58Z)
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。