User: Guest  Login
Original title:
On Machine Learning Assisted Software Maintainability Assessments
Translated title:
Über durch maschinelles Lernen unterstützte Bewertungen der Software-Wartbarkeit
Author:
Schnappinger, Markus
Year:
2023
Document type:
Dissertation
Faculty/School:
TUM School of Computation, Information and Technology
Advisor:
Pretschner, Alexander (Prof. Dr.)
Referee:
Pretschner, Alexander (Prof. Dr.); Khomh, Foutse (Prof., Ph.D.)
Language:
en
Subject group:
DAT Datenverarbeitung, Informatik
Keywords:
software maintainability, machine learning
Translated keywords:
Software Wartbarkeit, Machine Learning
TUM classification:
DAT 310
Abstract:
The manual analysis of the non-functional properties of a software system is a tedious process. This dissertation investigates using machine learning to support the maintainability assessment of a system. The developed classification models can detect problematic source code and report the findings to the analysts. As a result, they reduce the amount of manual work and thus increase the efficiency of maintainability assessments.
Translated abstract:
Die manuelle Analyse der nicht-funktionalen Eigenschaften eines Softwaresystems ist ein aufwändiger Prozess. Diese Dissertation untersucht, inwieweit die Beurteilung der Wartbarkeit eines Systems durch maschinelles Lernen unterstützt werden kann. Die entwickelten Modelle können problematische Stellen im Programmcode erkennen und weisen die Analysten auf diese hin. Dadurch reduzieren sie den manuellen Anteil solcher Wartbarkeitsanalysen und steigen damit deren Effizienz.
WWW:
https://mediatum.ub.tum.de/?id=1687123
Date of submission:
29.09.2022
Oral examination:
18.04.2023
File size:
4110843 bytes
Pages:
179
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20230418-1687123-1-7
Last change:
15.05.2023
 BibTeX