1. Metoda kontekstno odvisne vektorske predstavitve sprememb programske kode za klasifikacijo vrste aktivnosti vzdrževanja : doktorska disertacijaTjaša Heričko, 2024, doktorska disertacija Opis: V doktorski disertaciji obravnavamo raziskovalni problem avtomatizacije prepoznavanja namenov sprememb programskih rešitev, izvedenih v fazi vzdrževanja. Klasifikacija programskih sprememb glede na vrsto aktivnosti vzdrževanja, ki odraža specifične namene sprememb, omogoča učinkovitejšo analizo in načrtovanje vzdrževanja, podpira delovne procese in naloge razvijalcev ter se pogosto uporablja v raziskavah programskega inženirstva za proučevanje sprememb in evolucije rešitev. S ciljem ugotavljanja raziskovalnih vrzeli smo s sistematičnim pregledom literature proučili obstoječe pristope h klasifikaciji sprememb programskih rešitev glede na vrsto aktivnosti vzdrževanja. Za naslovitev teh vrzeli smo s študijo sistematičnega mapiranja pregledali pristope vektorizacije sprememb programske kode z učenjem predstavitev na podlagi izvorne kode, ki se v obstoječi literaturi uporabljajo za naslavljanje različnih izzivov programskega inženirstva. Na podlagi ugotovitev smo razvili in predlagali novo metodo kontekstno odvisne vektorske predstavitve sprememb programske kode, ki omogoča ekstrakcijo semantičnih značilk sprememb izvorne kode med dvema različicama programske rešitve ob upoštevanju konteksta sprememb. Predlagana metoda predstavi spremembo programske rešitve kot množico podrobnih sorodnih sprememb programske kode, temelječih na predstavitvah zaznanih razlik v izvorni kodi na osnovi žetonov. Za ekstrakcijo semantičnih vložitev sorodnih sprememb metoda uporablja strojno učenje s prenosom znanja iz izbranega prednaučenega jezikovnega modela programske kode iz družine modelov BERT, kot so CodeBERT, UniXcoder in StarEncoder, ki je bil predhodno dodatno prilagojen ciljni nalogi s paradigmama samonadzorovanega in nadzorovanega učenja. Pridobljene vektorske vložitve podrobnih sorodnih sprememb so nato združene v enotno semantično vektorsko predstavitev spremembe programske rešitve. Za klasifikacijo sprememb programskih rešitev glede na vrsto aktivnosti vzdrževanja smo na označeni podatkovni množici izgradili modele strojnega učenja, pri čemer smo za ekstrakcijo značilk uporabili predlagano metodo ter referenčne in obstoječe metode predstavitve sprememb rešitev. Z nadzorovanim eksperimentom, študijo ablacije in primerjalno študijo smo proučili vpliv različnih parametrov predlagane metode predstavitve sprememb na uspešnost klasifikacije, primerjali uspešnost klasifikacije ob uporabi predlagane metode v primerjavi z uporabo referenčnih in obstoječih metod predstavitve sprememb ter ovrednotili uspešnost multimodalnih modelov strojnega učenja, temelječih na nadgradnji obstoječih metod predstavitve sprememb s predlagano metodo z združevanjem modalnosti naravnega jezika in programske kode. Empirične rezultate smo statistično analizirali s pomočjo frekventistične in Bayesove statistike. Izsledki raziskav potrjujejo izhodiščno tezo, da je z uporabo nove metode mogoče izgraditi modele strojnega učenja, ki uspešno klasificirajo spremembe programskih rešitev glede na vrsto aktivnosti vzdrževanja. Osrednje ugotovitve doktorske disertacije so naslednje: vektorske predstavitve sprememb programske kode na osnovi predlagane metode dosegajo primerljivo ali višjo uspešnost pri klasifikaciji v primerjavi s predstavitvami na osnovi referenčnih in obstoječih metod; zmanjšanje dimenzionalnosti kontekstno odvisnih vektorskih predstavitev sprememb omogoča zmanjšanje števila dimenzij brez negativnega vpliva na uspešnost klasifikacije; multimodalni klasifikacijski modeli dosegajo višjo uspešnost klasifikacije v primerjavi z unimodalnimi modeli.
Ključne besede: vzdrževanje programske opreme, spremembe programskih rešitev, rudarjenje repozitorijev programskih rešitev, strojno učenje, klasifikacija, nevronski jezikovni modeli programske kode, vektorske predstavitve, vektorska vložitev
Objavljeno v DKUM: 06.01.2025; Ogledov: 0; Prenosov: 73
 Celotno besedilo (5,56 MB) |
2. Commit-level software change intent classification using a pre-trained transformer-based code modelTjaša Heričko, Boštjan Šumak, Sašo Karakatič, 2024, izvirni znanstveni članek Opis: Software evolution is driven by changes made during software development and maintenance. While source control systems effectively manage these changes at the commit level, the intent behind them are often inadequately documented, making understanding their rationale challenging. Existing commit intent classification approaches, largely reliant on commit messages, only partially capture the underlying intent, predominantly due to the messages’ inadequate content and neglect of the semantic nuances in code changes. This paper presents a novel method for extracting semantic features from commits based on modifications in the source code, where each commit is represented by one or more fine-grained conjoint code changes, e.g., file-level or hunk-level changes. To address the unstructured nature of code, the method leverages a pre-trained transformer-based code model, further trained through task-adaptive pre-training and fine-tuning on the downstream task of intent classification. This fine-tuned task-adapted pre-trained code model is then utilized to embed fine-grained conjoint changes in a commit, which are aggregated into a unified commit-level vector representation. The proposed method was evaluated using two BERT-based code models, i.e., CodeBERT and GraphCodeBERT, and various aggregation techniques on data from open-source Java software projects. The results show that the proposed method can be used to effectively extract commit embeddings as features for commit intent classification and outperform current state-of-the-art methods of code commit representation for intent categorization in terms of software maintenance activities undertaken by commits.
Ključne besede: software maintenance, code commit, mining software repositories, adaptive pre-training, fine-tuning, semantic code embedding, CodeBERT, GraphCodeBERT, classification, code intelligence
Objavljeno v DKUM: 14.08.2024; Ogledov: 87; Prenosov: 13
Celotno besedilo (1,65 MB) |
3. |
4. Intelligent user interfaces and their evaluation: a systematic mapping studySaša Brdnik, Tjaša Heričko, Boštjan Šumak, 2022, izvirni znanstveni članek Opis: Intelligent user interfaces (IUI) are driven by the goal of improvement in human–computer interaction (HCI), mainly improving user interfaces’ user experience (UX) or usability with the help of artificial intelligence. The main goal of this study is to find, assess, and synthesize existing state-of-the-art work in the field of IUI with an additional focus on the evaluation of IUI. This study analyzed 211 studies published in the field between 2012 and 2022. Studies are most frequently tied to HCI and SE domains. Definitions of IUI were observed, showing that adaptation, representation, and intelligence are key characteristics associated with IUIs, whereas adaptation, reasoning, and representation are the most commonly used verbs in their description. Evaluation of IUI is mainly conducted with experiments and questionnaires, though usability and UX are not considered together in evaluations. Most evaluations (81% of studies) reported partial or complete improvement in usability or UX. A shortage of evaluation tools, methods, and metrics, tailored for IUI, is noticed. Most often, empirical data collection methods and data sources in IUI evaluation studies are experiment, prototype development, and questionnaire.
Ključne besede: intelligent user interfaces, IUI, usability, user experience, evaluation
Objavljeno v DKUM: 01.08.2023; Ogledov: 570; Prenosov: 190
Celotno besedilo (4,53 MB)
Gradivo ima več datotek! Več... |
5. Identifikacija in analiza pomanjkljive kode v spletnih rešitvah : magistrsko deloTjaša Heričko, 2019, magistrsko delo Opis: V magistrskem delu smo raziskali področje pomanjkljive kode v spletnih rešitvah, ki temeljijo na programskem jeziku JavaScript. Izvedli smo sistematični pregled literature, s katerim smo raziskali programske metrike in orodja, ki se uporabljajo za identifikacijo pomanjkljive kode. Analizirali in izbrali smo primerna orodja za pridobivanje vrednosti programskih metrik. Za petindvajset odprtokodnih spletnih rešitev, razvitih v programskem jeziku JavaScript, smo z izbranimi orodji ESLint, JSHint in SonarJS pridobili metrične vrednosti in jih medsebojno primerjali. Empirični podatki, pridobljeni z analizo izbranih spletnih rešitev, nakazujejo na precejšnja odstopanja in razlike v rezultatih ob uporabi različnih orodij.
Ključne besede: programska oprema, spletne rešitve, pomanjkljiva koda, programske metrike, JavaScript
Objavljeno v DKUM: 13.11.2019; Ogledov: 1357; Prenosov: 382
Celotno besedilo (2,27 MB) |
6. Analiza in primerjava uporabe PHP in Node.js pri razvoju spletnih straniTjaša Heričko, 2017, diplomsko delo Opis: V diplomskem delu smo preučili in predstavili možnosti ter načine uporabe tehnologij PHP in Node.js pri razvoju spletnih strani. Na osnovi rezultatov pregleda literature smo oblikovali model za analizo in primerjavo tehnologij, ki je temeljil tudi na izkušnjah, pridobljenih pri razvoju ekvivalentne spletne rešitve z uporabo obeh vrednotenih strežniških tehnologij. Ugotovili smo, da se tehnologiji, razen po zrelosti in razširjenosti, še najbolj razlikujeta glede na razpoložljivost podpore in dostopnost virov ter vidikov, povezanih z zmogljivostjo.
Ključne besede: spletni razvoj, spletne tehnologije, PHP, JavaScript, Node.js
Objavljeno v DKUM: 31.08.2017; Ogledov: 2139; Prenosov: 394
Celotno besedilo (3,23 MB) |
