دانلود مقاله انگلیسی رایگان:طبقه بندی ساختار درخت ناهمگن به برچسب برنامه نویسان جاوا با توجه به سطح تخصص آنها - 2020
دانلود بهترین مقالات isi همراه با ترجمه فارسی
دانلود مقاله انگلیسی داده های بزرگ رایگان
  • Heterogeneous tree structure classification to label Java programmers according to their expertise level Heterogeneous tree structure classification to label Java programmers according to their expertise level
    Heterogeneous tree structure classification to label Java programmers according to their expertise level

    سال انتشار:

    2020


    عنوان انگلیسی مقاله:

    Heterogeneous tree structure classification to label Java programmers according to their expertise level


    ترجمه فارسی عنوان مقاله:

    طبقه بندی ساختار درخت ناهمگن به برچسب برنامه نویسان جاوا با توجه به سطح تخصص آنها


    منبع:

    Sciencedirect - Elsevier - Future Generation Computer Systems, 105 (2020) 380-394: doi:10:1016/j:future:2019:12:016


    نویسنده:

    Francisco Ortin ∗, Oscar Rodriguez-Prieto, Nicolas Pascual, Miguel Garcia


    چکیده انگلیسی:

    Open-source code repositories are a valuable asset to creating different kinds of tools and services, utilizing machine learning and probabilistic reasoning. Syntactic models process Abstract Syntax Trees (AST) of source code to build systems capable of predicting different software properties. The main difficulty of building such models comes from the heterogeneous and compound structures of ASTs, and that traditional machine learning algorithms require instances to be represented as n-dimensional vectors rather than trees. In this article, we propose a new approach to classify ASTs using traditional supervised-learning algorithms, where a feature learning process selects the most representative syntax patterns for the child subtrees of different syntax constructs. Those syntax patterns are used to enrich the context information of each AST, allowing the classification of compound heterogeneous tree structures. The proposed approach is applied to the problem of labeling the expertise level of Java programmers. The system is able to label expert and novice programs with an average accuracy of 99.6%. Moreover, other code fragments such as types, fields, methods, statements and expressions could also be classified, with average accuracies of 99.5%, 91.4%, 95.2%, 88.3% and 78.1%, respectively.
    Keywords: Big code | Machine learning | Syntax patterns | Abstract syntax trees | Programmer expertise | Decision trees | Big data


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 15
    حجم فایل: 2210 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی