Benutzer: Gast  Login
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
On Machine Learning Assisted Software Maintainability Assessments
Übersetzter Titel:
Über durch maschinelles Lernen unterstützte Bewertungen der Software-Wartbarkeit
Autor:
Schnappinger, Markus
Jahr:
2023
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Betreuer:
Pretschner, Alexander (Prof. Dr.)
Gutachter:
Pretschner, Alexander (Prof. Dr.); Khomh, Foutse (Prof., Ph.D.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
Stichworte:
software maintainability, machine learning
Übersetzte Stichworte:
Software Wartbarkeit, Machine Learning
TU-Systematik:
DAT 310
Kurzfassung:
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.
Übersetzte Kurzfassung:
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
Eingereicht am:
29.09.2022
Mündliche Prüfung:
18.04.2023
Dateigröße:
4110843 bytes
Seiten:
179
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20230418-1687123-1-7
Letzte Änderung:
15.05.2023
 BibTeX