Uma abordagem para detecção e avaliação da gravidade de code smells com base em transferência de aprendizado

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Santos, Fábio do Rosario
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Instituto Militar de Engenharia (IME)
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Code smells
Otimização de hiperparâmetros
Préprocessamento de dados
Métodos de comitê
Transferência de aprendizado
Engenharia de software (DGPM-305)
Link de acesso: https://www.repositorio.mar.mil.br/handle/ripcmb/847467
Resumo: A detecção de code smells e a avaliação de gravidade são importantes para categorizar e priorizar esforços de manutenção de software. Nesse sentido, há uma pesquisa considerável com foco em modelos de Aprendizado Profundo e Transformadores para detecção de code smells. Este trabalho visa não apenas detectar, mas também fazer uma avaliação da gravidade de code smells usando uma abordagem de dois estágios empregando Métodos de Comitê e Transferência de Aprendizado. Este trabalho também explora o impacto da aplicação de dimensionamento de dados, técnicas de seleção de atributos, otimização de hiperparâmetros e sobreamostragem de dados para aprimorar os Métodos Comitê para detecçãodecodesmellseavaliaçãodegravidade.Alémdisso,aabordagempropostafunciona nos dois níveis de code smells (classe e método) e é adequada para conjuntos de dados Java e C#. Este trabalho revela que a Transferência de Aprendizado melhorou a generalização dos modelos, com precisão de detecção no conjunto de dados C# correspondendo ou excedendo a do conjunto de dados Java com perda mínima de desempenho. Experimentos indicam que a abordagem proposta fornece resultados promissores para detecção de code smells e avaliação de gravidade em níveis de classe e método.
id MB_77c3e56713dff17e2da523ccfda348b5
oai_identifier_str oai:www.repositorio.mar.mil.br:ripcmb/847467
network_acronym_str MB
network_name_str Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB)
repository_id_str
spelling Uma abordagem para detecção e avaliação da gravidade de code smells com base em transferência de aprendizadoCode smellsOtimização de hiperparâmetrosPréprocessamento de dadosMétodos de comitêTransferência de aprendizadoEngenharia de software (DGPM-305)A detecção de code smells e a avaliação de gravidade são importantes para categorizar e priorizar esforços de manutenção de software. Nesse sentido, há uma pesquisa considerável com foco em modelos de Aprendizado Profundo e Transformadores para detecção de code smells. Este trabalho visa não apenas detectar, mas também fazer uma avaliação da gravidade de code smells usando uma abordagem de dois estágios empregando Métodos de Comitê e Transferência de Aprendizado. Este trabalho também explora o impacto da aplicação de dimensionamento de dados, técnicas de seleção de atributos, otimização de hiperparâmetros e sobreamostragem de dados para aprimorar os Métodos Comitê para detecçãodecodesmellseavaliaçãodegravidade.Alémdisso,aabordagempropostafunciona nos dois níveis de code smells (classe e método) e é adequada para conjuntos de dados Java e C#. Este trabalho revela que a Transferência de Aprendizado melhorou a generalização dos modelos, com precisão de detecção no conjunto de dados C# correspondendo ou excedendo a do conjunto de dados Java com perda mínima de desempenho. Experimentos indicam que a abordagem proposta fornece resultados promissores para detecção de code smells e avaliação de gravidade em níveis de classe e método.Instituto Militar de Engenharia (IME)2025-02-06T17:00:58Z2025-02-06T17:00:58Z2024info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.repositorio.mar.mil.br/handle/ripcmb/847467Santos, Fábio do Rosarioinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB)instname:Marinha do Brasil (MB)instacron:MB2025-08-26T17:03:58Zoai:www.repositorio.mar.mil.br:ripcmb/847467Repositório InstitucionalPUBhttps://www.repositorio.mar.mil.br/oai/requestdphdm.repositorio@marinha.mil.bropendoar:2025-08-26T17:03:58Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB) - Marinha do Brasil (MB)false
dc.title.none.fl_str_mv Uma abordagem para detecção e avaliação da gravidade de code smells com base em transferência de aprendizado
title Uma abordagem para detecção e avaliação da gravidade de code smells com base em transferência de aprendizado
spellingShingle Uma abordagem para detecção e avaliação da gravidade de code smells com base em transferência de aprendizado
Santos, Fábio do Rosario
Code smells
Otimização de hiperparâmetros
Préprocessamento de dados
Métodos de comitê
Transferência de aprendizado
Engenharia de software (DGPM-305)
title_short Uma abordagem para detecção e avaliação da gravidade de code smells com base em transferência de aprendizado
title_full Uma abordagem para detecção e avaliação da gravidade de code smells com base em transferência de aprendizado
title_fullStr Uma abordagem para detecção e avaliação da gravidade de code smells com base em transferência de aprendizado
title_full_unstemmed Uma abordagem para detecção e avaliação da gravidade de code smells com base em transferência de aprendizado
title_sort Uma abordagem para detecção e avaliação da gravidade de code smells com base em transferência de aprendizado
author Santos, Fábio do Rosario
author_facet Santos, Fábio do Rosario
author_role author
dc.contributor.author.fl_str_mv Santos, Fábio do Rosario
dc.subject.por.fl_str_mv Code smells
Otimização de hiperparâmetros
Préprocessamento de dados
Métodos de comitê
Transferência de aprendizado
Engenharia de software (DGPM-305)
topic Code smells
Otimização de hiperparâmetros
Préprocessamento de dados
Métodos de comitê
Transferência de aprendizado
Engenharia de software (DGPM-305)
description A detecção de code smells e a avaliação de gravidade são importantes para categorizar e priorizar esforços de manutenção de software. Nesse sentido, há uma pesquisa considerável com foco em modelos de Aprendizado Profundo e Transformadores para detecção de code smells. Este trabalho visa não apenas detectar, mas também fazer uma avaliação da gravidade de code smells usando uma abordagem de dois estágios empregando Métodos de Comitê e Transferência de Aprendizado. Este trabalho também explora o impacto da aplicação de dimensionamento de dados, técnicas de seleção de atributos, otimização de hiperparâmetros e sobreamostragem de dados para aprimorar os Métodos Comitê para detecçãodecodesmellseavaliaçãodegravidade.Alémdisso,aabordagempropostafunciona nos dois níveis de code smells (classe e método) e é adequada para conjuntos de dados Java e C#. Este trabalho revela que a Transferência de Aprendizado melhorou a generalização dos modelos, com precisão de detecção no conjunto de dados C# correspondendo ou excedendo a do conjunto de dados Java com perda mínima de desempenho. Experimentos indicam que a abordagem proposta fornece resultados promissores para detecção de code smells e avaliação de gravidade em níveis de classe e método.
publishDate 2024
dc.date.none.fl_str_mv 2024
2025-02-06T17:00:58Z
2025-02-06T17:00:58Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.repositorio.mar.mil.br/handle/ripcmb/847467
url https://www.repositorio.mar.mil.br/handle/ripcmb/847467
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Instituto Militar de Engenharia (IME)
publisher.none.fl_str_mv Instituto Militar de Engenharia (IME)
dc.source.none.fl_str_mv reponame:Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB)
instname:Marinha do Brasil (MB)
instacron:MB
instname_str Marinha do Brasil (MB)
instacron_str MB
institution MB
reponame_str Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB)
collection Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB)
repository.name.fl_str_mv Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB) - Marinha do Brasil (MB)
repository.mail.fl_str_mv dphdm.repositorio@marinha.mil.br
_version_ 1855762805599240192

Registros relacionados