00 CAMPUS ARISTÓTELES CALAZANS SIMÕES (CAMPUS A. C. SIMÕES) IC - INSTITUTO DE COMPUTAÇÃO TRABALHOS DE CONCLUSÃO DE CURSO (TCC) - GRADUAÇÃO - IC Trabalhos de Conclusão de Curso (TCC) - Bacharelado - CIÊNCIA DA COMPUTAÇÃO- IC
Use este identificador para citar ou linkar para este item: http://www.repositorio.ufal.br/jspui/handle/123456789/11408
Tipo: Trabalho de Conclusão de Curso
Título: Replicando abordagem para geração automática de tratadores de exceção
Autor(es): Coelho, Eric dos Santos
Primeiro Orientador: Santos Neto, Baldoino Fonseca dos
metadata.dc.contributor.advisor-co1: Souza, Jairo Raphael Moreira Correia de
metadata.dc.contributor.referee1: Araújo, Ícaro Bezerra Queiroz de
metadata.dc.contributor.referee2: Líma, Rodrigo dos Santos
Resumo: Neste trabalho, replicamos uma abordagem baseada em aprendizado profundo para tratamento automatizado de exceções, mas não conseguimos obter o mesmo desempenho relatado originalmente. O modelo foi implementado utilizando o código-fonte e o conjunto de dados disponibilizados pelo autor do trabalho original. Para realizar a abordagem foi utilizado o ambiente Google Colab, que fornece um runtime para executar scripts na linguagem Python. Utilizando a configuração da versão gratuita obtivemos uma redução de 0,56% na acurácia e de 0,12% no F1 - score, derivados de um aumento de 1,98% na sensibilidade e uma perda de 2,59% na precisão do modelo localizador de blocos try. Entretanto, o modelo gerador de blocos catch apresentou um ganho de 0,1% na acurácia e de 0,2% no BLEU score. Por fim, concluímos que as causas prováveis de tais divergências foram a configuração dos hiperparâmetros do modelo e as diferenças entre os ambientes utilizados.
Abstract: In this work, we replicated an approach based on deep learning for automated exception handling, but we were unable to obtain the same performance originally reported. The model was implemented using the source code and data set provided by the author of the original work. To carry out the approach, the Google Colab environment was used, which provides a runtime to execute scripts in the Python language. Using the configuration of the free version, we obtained a reduction of 0.56% in accuracy and 0.12% in the F1 - score, resulting from an increase of 1.98% in sensitivity and a loss of 2.59% in model precision try block locator. However, the catch block generator model showed a gain of 0.1% in Accuracy and 0.2% in the BLEU score. Finally, we conclude that the probable causes of such divergences were the configuration of the model’s hyperparameters and the differences between the environments used.
Palavras-chave: Tratamento de exceções (Computação)
Deep learning (Aprendizado do computador)
Engenharia de software
Reproducibility
Exception handling
Deep Learning
Machine Learning
Software engineering
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Idioma: por
País: Brasil
Editor: Universidade Federal de Alagoas
Sigla da Instituição: UFAL
metadata.dc.publisher.department: Curso de Ciências da Computação - Bacharelado
Citação: COELHO, Eric dos Santos. Replicando abordagem para geração automática de tratadores de exceção. 2023. 26 f. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Instituto de Computação, Universidade Federal de Alagoas, Maceió, 2023.
Tipo de Acesso: Acesso Aberto
URI: http://www.repositorio.ufal.br/jspui/handle/123456789/11408
Data do documento: 19-jan-2023
Aparece nas coleções:Trabalhos de Conclusão de Curso (TCC) - Bacharelado - CIÊNCIA DA COMPUTAÇÃO- IC

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Replicando abordagem para geração automática de tratadores de exceção.pdf994.81 kBAdobe PDFVisualizar/Abrir
Mostrar registro completo do item Visualizar estatísticas


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