00 CAMPUS ARISTÓTELES CALAZANS SIMÕES (CAMPUS A. C. SIMÕES) IC - INSTITUTO DE COMPUTAÇÃO Dissertações e Teses defendidas na UFAL - IC
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 TamanhoFormato 
Exploring the relationship between smells, bugs and harmful code through transfer learning.pdf1.71 MBAdobe 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.