Apr, 2023

利用数据挖掘算法推荐源代码更改

PDF
TL;DR本文通过对七个开源软件项目的源代码更改历史进行数据挖掘，提出了一种自动推荐源代码更改的方法，并评估了四种广泛使用的数据挖掘算法的性能和执行时间，发现在不同的软件项目中，一些频繁模式挖掘算法，如 Apriori，可能比其他算法更有效，在规模较大的项目中 Apriori 更适用，而在小型项目中 Eclat 更适用，FP-Growth 的执行时间更短。
发现论文，激发创造
  • 源代码评审人员推荐的大规模研究

    本文通过在 Github 和 Gerrit 代码仓库中挖掘数据进行大规模实验比较两种主要的代码审查员推荐算法 (RevFinder 和基于朴素贝叶斯的方法) 的性能，以确定最佳的代码审查员。我们发现：1）没有一个模型适用于所有项目；2）不同的代码仓库会对推荐结果产生影响；3）利用 Gerrit 中可用的子项目信息可以改善推荐结果。

    Jun, 2018

  • 源代码分析的机器学习技术调查

    本文旨在总结如何应用机器学习技术进行源代码分析的最新研究动态，并回顾 12 类软件工程任务及相应的机器学习技术、工具和数据集。在文献调研的基础上，文章总结了研究观察和发现，并总结了每个任务的通用步骤、机器学习技术和可用数据集和工具，并讨论了这一领域面临的各种挑战。

    Oct, 2021

  • 一种用于发现多样频繁模式的高效遗传算法

    本文提出了一种利用遗传算法挖掘多样化频繁模式集的快速启发式搜索算法，采用相对编码方案和有效的双胞胎去除技术来确保搜索结果的多样性，该算法在标准基准测试中优于现有方法并能够在短时间内产生令人满意的结果。

    Jul, 2015

  • 基于效用的模式挖掘综述

    该综述论文旨在提供一种对效用矿山（UPM）的综合和有结构的概述，包括其概念，方法和现有的高效用模式，采用的技术和算法等，同时考虑其高影响应用的实际挑战和开放问题。

    May, 2018

  • 提高选定机器学习算法数据本地性的指南

    本篇论文讨论利用数据局部性可以提高机器学习算法性能的方法，证明重复数据访问与计算可以视为数据移动中的冗余，提出直接重用计算结果可以避免冗余，文中也使用选定的机器学习算法进行了具体的实现和证明。

    Jan, 2020

  • 机器学习算法的数据访问模式和计算冗余性回顾

    通过分析利用数据局部性提高机器学习算法性能的方法，本文发现了通过改变数据访问模式以增加局部性可以显著提高给定算法性能的机会和使用重复计算结果来避免冗余的机会，并且在一些选定的机器学习算法上记录了这种重复计算结果的可能性，并提供了相关实验结果。

    Apr, 2019

  • 波斯文本流主题检测中频繁模式挖掘和聚类类别的全面研究

    本研究旨在研究波斯语下的主题检测，通过对现有算法进行深入研究、波斯语的适应性改进，以及在波斯语社交网络文本上的性能评估，发现具备良好表现的算法类别为混合类别，对于易于理解的关键词主题搜索，而频繁模式类别则更适合用于进一步分析的帖子聚类。

    Mar, 2024

  • 利用差分隐私挖掘频繁图模式

    本文提出了一种用于挖掘频繁图模式的不同隐私算法，并基于 Markov Chain Monte Carlo 采样方法解决了挖掘频繁图模式的难题，同时保证了隐私和效用保障。

    Jan, 2013

  • GEML：基于语法的进化机器学习方法用于设计模式检测

    设计模式是软件开发中被认可的良好实践，但是缺乏适当的文档常常使得追溯困难，其益处在庞杂的代码中变得模糊。我们提出了一种基于进化机器学习和多样性软件属性的新颖检测方法 GEML。通过进化算法提取出最能描述设计模式的特征，并建立基于规则的分类器来预测新代码中是否包含隐藏的设计模式实现。GEML 经过验证可以有效、稳健地检测多样性的设计模式。此外，还提供了演示工具。

    Jan, 2024

  • 利用复杂的模式特征实现交互式模式挖掘

    本文讨论了如何通过用户反馈学习模式的质量函数，并提出了使用更复杂的直接从模式排名派生的特征来替代现有方法中的低级特征，以及如何将多样性约束纳入交互式挖掘系统中。实验结果表明，在参数选择和特征工程方面的优化会提高挖掘算法的性能。

    Apr, 2022