API recommendation system in Software Engineering

• Ano de defesa: 2016
• Autor(a) principal: Ramírez, Luisa Fernanda Hernández
• Orientador(a): Costa, Heitor Augustus Xavier
• Banca de defesa: Valente, Marco Túlio de Oliveira, Freire, André Pimenta, Parreira Júnior, Paulo Afonso
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: Universidade Federal de Lavras
• Programa de Pós-Graduação: Programa de Pós-Graduação em Ciência da Computação
• Departamento: Departamento de Ciência da Computação
• País: brasil
• Palavras-chave em Português: API recommendation; Collaborative filtering; Frequent itemset mining; Evaluation metrics; Recommendation system; Recomendação de APIs; Filtragem colaborativo; Mineração de itens mais frequentes; Métricas de avaliação; Sistema de recomendação
• Área do conhecimento CNPq: Engenharia de Software
• Link de acesso: https://repositorio.ufla.br/handle/1/11145

Desenvolvimento de software depende Interfaces de Programação de Aplicações (APIs - Aplication Programming Interfaces) para atingir seus objetivos. No entanto, a escolha correta dessas APIs permanece como uma tarefa difícil para Engenheiros de Software. Na Engenharia de Software, os sistemas de recomendação estão surgindo para apoiar aos Engenheiros de Software nas tarefas de tomadas de decisões. Portanto, neste trabalho foi proposta uma metodologia que considera categorias de sistemas de software e recomenda APIs para engenheiros de Software com sistemas na etapa inicial (sistemas que não usam APIs) ou na etapa avançada (sistemas que usam algumas APIs) de desenvolvimento de software. As técnicas de Filtragem Colaborativa (CF -Collaborative Filtering) e de Mineração de Itens mais Frequentes (FIS - Frequent Itemset mining) foram utilizadas para gerar as listas longas e curtas (top-N) das APIs recomendadas. Nas listas curtas (top-N), o objetivo foi encontrar um número N de APIs especificas que possivelmente seriam mais uteis para os Engenheiros de Software. Para automatizar essa metodologia proposta foi desenvolvido um plug-in para a plataforma Eclipse. Além disso, a metodologia foi testada considerando as categorias do repositório de código aberto SourceForge. Para cada categoria, foi avaliado o desempenho das listas longas e listas curtas (top-N) usando duas métricas de acurácia (precision e recall) e uma métrica de eficácia (recall rate), obtendo resultados prometedores. Esses resultados das métricas de avaliação mostraram que a metodologia conseguiu fazer recomendações de APIs uteis para os Engenheiros de Software com sistemas de software que usavam algumas APIs o que não utilizavam APIs. Do mesmo modo, a metodologia foi capaz de colocar APIs relevantes em posições altas das listas, inclusive nas listas curtas de APIs recomendadas.