Título:	Uma abordagem para detecção e avaliação da gravidade de code smells com base em transferência de aprendizado
Autor(es):	Santos, Fábio do Rosario
Palavras-chave:	Code smells Otimização de hiperparâmetros Préprocessamento de dados Métodos de comitê Transferência de aprendizado
Áreas de conhecimento da DGPM:	Engenharia de Software
Data do documento:	2024
Editor:	Instituto Militar de Engenharia (IME)
Descrição:	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.
Tipo de Acesso:	Acesso aberto
URI:	https://www.repositorio.mar.mil.br/handle/ripcmb/847467
Tipo:	Dissertação
Aparece nas coleções:	Tecnologia da Informação: Coleção de Dissertações

Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.