8586

بررسي تشخيص خودكار بوي كد با رويكرد يادگيري ماشين

1399-1400

دكتر سعيد پارسا

دكتر محمد عبداللهي ازگمي

تشخيص بوي كد از اهميت بالايي برخوردار است چراكه باعث صرفه جويي قابل توجهي در زمان، انرژي و هزينه هاي نگهداري از نرم افزار مي شود. رويكردهاي بسياري براي تشخيص بوي كد وجود دارد كه باعث شده است ابزارهاي متنوعي در اين زمينه طراحي و در دسترس قرار گيرند. يادگيري ماشين يكي از رويكردهاي مناسب براي تشخيص بوي كد است چراكه بوهاي كد تعاريف انتزاعي و غير دقيقي دارند و اين با طبيعت رويكرد يادگيري ماشين كه بدون حل مستقيم و قاعده مند مسئله، سعي دارد تا با استفاده از داده ها و تجربه هاي موجود يك حل تقريبي و بهينه از مسئله ارائه دهد، همخواني بيشتري نسبت به ديگر رويكردها دارد. در اين پژوهش ما با رويكرد بازنگري سامانمند، سعي در جمع آوري مطالعات صورت گرفته در زمينه شناسايي بوي كد با رويكرد فنون يادگيري ماشين كرديم، تمركز اصلي اين پژوهش روي مجموعه داده هاي ايجاد شده توسط پژوهشگران قرار گرفته است. همچنين الگوريتم هاي يادگيري ماشين و روش هاي بهبود عملكرد مدل نيز مورد بررسي قرار گرفتند. نتايج به دست آمده از مقايسه مجموعه هاي داده و الگوريتم هاي يادگيري نشان مي دهد مجموعه داده اي حجيم و صحيح كه تمامي بوي كدها را پوشش دهد وجود ندارد. همچنين الگوريتم هاي درخت تصميم و جنگل هاي تصادفي در مجموع بهترين نتيجه را ازميان ديگر الگوريتم هاي يادگيري به دست مي دهند.

5/19/2021 12:00:00 AM

71637

1400/04/05

A survey of machine learning techniques for code smell detection

بوي كد , يادگيري ماشين , سنجه هاي نرم افزاري , مجموعه داده

, Code smell , Machine learning , Software metrics , Dataset