software maintenance | BriefGPT

关键词software maintenance

搜索结果 - 8

缺陷演化分析的日志总结
日志分析和监控是软件维护和缺陷识别的重要方面。本文提出了一种基于语义的在线聚类方法，动态更新日志聚类以实现对代码错误生命周期的监控，并引入了一种新的度量指标来评估时间日志聚类的性能。通过在工业数据集上进行实验，发现我们的解决方案优于类似系统
PDF4 months ago
及时安全补丁检测 ——LLM 在数据增强中的托底支持
为了解决开源软件中存在的漏洞，我们引入了一种基于大型语言模型和代码文本对齐方法的新型安全补丁检测系统 LLMDA，该系统能够更准确地检测安全补丁，从而增强软件维护的能力。
PDF7 months ago
基于机器学习的全功能提交消息质量检查器
使用机器学习方法，研究了如何衡量提交信息的质量，包括语义和上下文的分析，并开发了一个可以检测提交信息质量的开源框架，以提高软件的可维护性和演化速度。
PDF10 months ago
应用机器学习分析软件质量测试
本文利用机器学习对可用数据进行了操作并计算出了累计软件故障程度。应用机器学习预测软件的残余缺陷，以准确预测软件故障是本文的总体目标。
PDFa year ago
APIContext2Com: 将预定义 API 文档纳入考虑的代码注释生成
本文提出 APIContext2Com，利用预定义的 API 上下文来改善自动生成的代码注释的效果，介绍一种序列到序列编码器 - 解码器神经网络模型，它能够有效地将不同的输入转换为目标注释，并开发了一种排名机制来排除无关的 API。作者在
PDFa year ago
EMNLPCodeExp: 生成说明性代码文档
本文提出了代码解释生成任务，通过多阶段优化和基线模型的 fine-tuning 使得模型在生成的解释中包含更多实现级别的选择，并在实验中展示了一个经过改进的训练数据集可以比较人工撰写的 docstring 相媲美，这一任务可以极大地受益于软
PDF2 years ago
开源机器学习项目中实际缺陷的比较分析 -- 一篇注册报告
研究了机器学习系统和传统软件系统之间的问题报告需求和解决过程的差异，并通过 GitHub 上的应用机器学习项目中的真实问题报告，探究了机器学习问题和非机器学习问题的解决时间和代码修改量等方面的差异。
PDF2 years ago
代码结构指导的源代码摘要变压器
本文提出了一个名为 SG-Trans 的新颖方法，通过将本地符号信息和全局句法结构注入到 Transformer 的自注意模块作为归纳偏置，并设计能够分布在 Transformer 的较低层和高层的注意头中，进一步捕捉代码的层次特征，将其有
PDF3 years ago