افزایش دادههای کد برای بهبود عملکرد مدل زبان در ترمیم پیوندهای ردپذیری نیازمندی به کد
محل انتشار: نهمین کنفرانس بین المللی وب پژوهی
سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 149
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IRANWEB09_019
تاریخ نمایه سازی: 17 خرداد 1402
چکیده مقاله:
افزایش داده روشی برای رفع نیاز داده و استفاده بیشتر از دادههای موجود برای آموزش شبکه های عصبی عمیق است . نگه دار ی پیوندهای ردپذیری نیازمندی به مدیریت توسعه نرمافزار کمک کرده و باعث بهبود کیفیت نرمافزار می شود. برای کمک به نگه دار ی این پیوندها، می توان از روشهای ترمیم خودکار پیوندها استفاده نمود. یکی از روشهای اخیر ترمیم خودکار، استفاده از مدل زبان است . در این کار سه روش افزایش دادههای کد برای بهبود مدل زبان در کاربرد ترمیم پیوندهای ردپذیری نیازمندی ارائه شدهاند. این سه روش، تغییر نام متغیر، جابه جایی عملوندها و جابه جایی جملات هستند. این روشها کلی بوده که برای بسیاری از زبانها ی برنامه نویسی قابل پیادهسازی هستند و همچنین قابلیت تولید حالات مختلف به صورت تصادفی دارند که می تواند قابلیت تعمیم مدل را بهبود بخشد. نتایج ارزیابی مدل روی دادههای مستندات به تابع که مشابه دادههای نیازمندی به تابع هستند نشاندهنده بهبود عملکرد مدل زبان با استفاده از افزایش دادههای کد است . در این ارزیابی ، با استفاده از افزایش دادههای کد، دقت مدل از ۶۶۹.۰ به ۷۲۲.۰ و یادآوری آن از ۵۷۴.۰ به ۶۰۱.۰ رسیده است و طبق آزمایش ویلکوکسون، بهبود قابل توجهی داشته است .
کلیدواژه ها:
نویسندگان
علی مجیدزاده
کارشنا سی ارشد، دانشکده کامپیوتر، دانشگاه علم و صنعت ایران، تهران
مهرداد آشتیانی
استادیار، دانشکده کامیپوتر، دانشگاه علم و صنعت ایران، تهرا ن
مرتضی ذاکری نصرآبادی
کاندید دکتری، دانشکده کامپیوتر ، دانشگاه علم و صنعت ایران، تهران