순환 인공 신경망을 이용한 코드 변경 추천 정밀도 향상 = Improvement of code change recommendation precision using recurrent neural networks

Cited 0 time in webofscience Cited 0 time in scopus
  • Hit : 228
  • Download : 0
개발자는 소프트웨어 진화 작업을 수행할 때 수정해야 할 필요가 있는 파일을 찾는데 많은 시간을 소비한다. 코드 변경 추천 시스템은 소프트웨어 진화 작업 중 개발자에게 수정이 필요한 파일을 추천하는 시스템이다. 이를 통해 개발자는 소프트웨어 진화 과정에서 발생하는 파일 탐색 시간을 줄일 수 있다. 본 연구는 개발자가 소프트웨어 진화 과정에서 생성하는 동작의 순서 정보를 이용하여 순환 인공 신경망 기반의 모델을 제안하였으며 이 방법을 기반으로 한 변경 추천 시스템을 개발하였다. 순서 정보를 유지하여 생성된 슬라이딩 윈도우 기반의 문맥(Context)을 입력 데이터로 사용하는 순환 인공 신경망 기반의 모델이 순서 정보를 유지하지 않는 문맥을 사용한 기존의 연관 규칙 마이닝 모델보다 더 정확한 변경 추천을 제공하는 것을 확인할 수 있었다. 실험에 사용한 4개의 프로젝트에 대해 평균 추천 정밀도를 기존 연구에 비해 약 20% 향상시키는 것을 보여주었다.
Advisors
강성원researcherKang, Sungwonresearcher
Description
한국과학기술원 :전산학부,
Publisher
한국과학기술원
Issue Date
2019
Identifier
325007
Language
kor
Description

학위논문(석사) - 한국과학기술원 : 전산학부, 2019.2,[iv, 34 p. :]

Keywords

순환 인공 신경망▼a추천 시스템▼a머신 러닝; data based software engineering▼achange recommendation▼arecurrent neural network▼amachine learning

URI
http://hdl.handle.net/10203/266999
Link
http://library.kaist.ac.kr/search/detail/view.do?bibCtrlNo=843487&flag=dissertation
Appears in Collection
CS-Theses_Master(석사논문)
Files in This Item
There are no files associated with this item.

qr_code

  • mendeley

    citeulike


rss_1.0 rss_2.0 atom_1.0