Use este identificador para citar ou linkar para este item:
http://www.repositorio.ufal.br/jspui/handle/123456789/13393
Tipo: | Dissertação |
Título: | Exploring the relationship between smells, bugs and harmful code through transfer learning |
Título(s) alternativo(s): | Compreendendo código nocivo por meio de transfer learning |
Autor(es): | César Neto, Durval Pereira |
Primeiro Orientador: | Santos Neto, Baldoino Fonseca dos |
metadata.dc.contributor.referee1: | Oliveira, Marcelo Costa |
metadata.dc.contributor.referee2: | Teixeira, Leopoldo Motta |
Resumo: | A presença de code smells em um projeto de software é um forte indicativo da baixa qualidade do mesmo no contexto de sua implementação e em uma parcialidade de casos podem estes mesmos code smells serem os trechos de código nocivos para a aplicação, tornando-se os culpados na geração de bugs. Atualmente, existem diferentes abordagens para a detecção de code smells e recentemente houve um maior aprofundamento na análise da correlação entre estes code smells e a nocividade dos mesmos para o código, mas ainda há muito a ser pesquisado no contexto de como podemos melhorar a acurácia na detecção destes códigos potencialmente nocivos. Pensando nisto, este trabalho visa ampliar os métodos para detecção de códigos nocivos utilizando o aprendizado por transferência para construir um grande conjunto de dados para treinamento e validação dos modelos de aprendizagem de máquina. |
Abstract: | The presence of code smells in a software project is a strong indication of its low quality in the context of its implementation, and in many cases, these same code smells can be harmful code segments for the application, becoming the culprits in bug generation. Currently, there are different approaches for detecting code smells, and there has been a recent deeper analysis of the correlation between these code smells and their harmfulness to the code. However, there is still much to be researched in the context of how we can improve the accuracy of detecting these potentially harmful codes. With this in mind, this work aims to expand the methods for detecting harmful code by using transfer learning to build a large dataset for training and validating machine learning models. |
Palavras-chave: | Qualidade de software Engenharia de software Transferência de aprendizagem Aprendizado de máquina Software Quality Software Engineering Transfer of learning Machine Learning |
CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
Idioma: | eng |
País: | Brasil |
Editor: | Universidade Federal de Alagoas |
Sigla da Instituição: | UFAL |
metadata.dc.publisher.program: | Programa de Pós-Graduação em Informática |
Citação: | CÉSAR NETO, Durval Pereira. Exploring the relationship between smells, bugs and harmful code through transfer learning. 2024. 57 f. Dissertação (Mestrado em Informática) – Programa de Pós-graduação em Informática, Instituto de Computação, Universidade Federal de Alagoas, Maceió, 2023. |
Tipo de Acesso: | Acesso Aberto |
URI: | http://www.repositorio.ufal.br/jspui/handle/123456789/13393 |
Data do documento: | 28-ago-2023 |
Aparece nas coleções: | Dissertações e Teses defendidas na UFAL - IC |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Exploring the relationship between smells, bugs and harmful code through transfer learning.pdf | 1.71 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.