اکسپرس 24
ترجمه فارسی مقاله خوب، بد، زشت: پیش‌بینی روش‌های کد منبع بسیار مستعد تغییر در بدو پیدایش آنها

ترجمه فارسی مقاله خوب، بد، زشت: پیش‌بینی روش‌های کد منبع بسیار مستعد تغییر در بدو پیدایش آنها

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی The Good, the Bad, and the Ugly: Predicting Highly Change-Prone Source Code Methods at Their Inception
عنوان مقاله به فارسی خوب، بد، زشت: پیش‌بینی روش‌های کد منبع بسیار مستعد تغییر در بدو پیدایش آنها
نویسندگان Shaiful Chowdhury
فرمت مقاله انگلیسی PDF
تعداد صفحات 25
دسته بندی موضوعات Software Engineering,مهندسی نرم افزار ,
توضیحات Submitted 11 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 11 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 1,000,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

The cost of software maintenance often surpasses the initial development expenses, making it a significant concern for the software industry. A key strategy for alleviating future maintenance burdens is the early prediction and identification of change-prone code components, which allows for timely optimizations. While prior research has largely concentrated on predicting change-prone files and classes, an approach less favored by practitioners, this paper shifts focus to predicting highly change-prone methods, aligning with the preferences of both practitioners and researchers. We analyzed 774,051 source code methods from 49 prominent open-source Java projects. Our findings reveal that approximately 80% of changes are concentrated in just 20% of the methods, demonstrating the Pareto 80/20 principle. Moreover, this subset of methods is responsible for the majority of the identified bugs in these projects. After establishing their critical role in mitigating software maintenance costs, our study shows that machine learning models can effectively identify these highly change-prone methods from their inception. Additionally, we conducted a thorough manual analysis to uncover common patterns (or concepts) among the more difficult-to-predict methods. These insights can help future research develop new features and enhance prediction accuracy.

چکیده به فارسی (ترجمه ماشینی)

هزینه نگهداری نرم افزار غالباً از هزینه های توسعه اولیه فراتر می رود و این مسئله نگرانی قابل توجهی برای صنعت نرم افزار ایجاد می کند.یک استراتژی کلیدی برای کاهش بارهای نگهداری آینده ، پیش بینی اولیه و شناسایی اجزای کد مستعد تغییر است که امکان بهینه سازی به موقع را فراهم می کند.در حالی که تحقیقات قبلی تا حد زیادی بر پیش بینی پرونده ها و کلاس های مستعد تغییر متمرکز شده است ، رویکردی که کمتر مورد علاقه پزشکان است ، این مقاله به پیش بینی روشهای بسیار تغییر دهنده تغییر می یابد ، و هماهنگ با ترجیحات پزشکان و محققان است.ما 774،051 روش کد منبع را از 49 پروژه برجسته جاوا منبع باز تجزیه و تحلیل کردیم.یافته های ما نشان می دهد که تقریباً 80 ٪ از تغییرات فقط در 20 ٪ از روش ها متمرکز شده اند و نشان دهنده اصل 80/20 پارتو است.علاوه بر این ، این زیر مجموعه از روشها مسئول اکثر اشکالات شناسایی شده در این پروژه ها است.مطالعه ما پس از ایجاد نقش مهم آنها در کاهش هزینه های نگهداری نرم افزار ، نشان می دهد که مدل های یادگیری ماشین می توانند به طور موثری این روش های بسیار تغییر یافته را از آغاز خود شناسایی کنند.علاوه بر این ، ما یک تجزیه و تحلیل دستی کامل برای کشف الگوهای مشترک (یا مفاهیم) در بین روشهای پیش بینی دشوارتر انجام دادیم.این بینش ها می تواند به تحقیقات آینده کمک کند تا ویژگی های جدید را توسعه داده و دقت پیش بینی را افزایش دهد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.