Hybrid optimization of multiple intelligent recommendation engines for software development cycles
Yazılım geliştirme döngüleri için çoklu akıllı öneri motorlarının hibrit optimizasyonu
- Tez No: 871016
- Danışmanlar: YRD. DOÇ. DR. ABDULLAHI ABDU IBRAHIM
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Biyofizik, Science and Technology, Biophysics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Fen Bilimleri ve Teknolojileri Bilim Dalı
- Sayfa Sayısı: 69
Özet
Birincil amaç, bu tür sistemlerin performansını iyileştirmek için hibrit bir öneri sistemi yaklaşımı oluşturmaktır. Bu öneri sistemi tipik olarak, bir hata raporunda sorun gidermeye uygun az sayıda geliştiriciyi atamak veya önermek için kullanılır. Hata havuzları içindeki koleksiyonları yönetmek, tanımlanan belirli hataları düzeltmek yazılım geliştiricilerin görevidir. Hatalar genellikle oluşturulur, bu nedenle ihtiyaç duyulan geliştiricilerin sayısı yüksektir, bu nedenle belirli görevlere kaç tane atanacağına karar vermek zordur. Bu analiz, en son bilimsel yöntemlerin sonuçlarını daha iyi anlamayı amaçlamaktadır. Ayrıca geliştirici önceliklendirmesini ve bir sorunun geliştiriciye atanmasını belirlemek için bunun nasıl kullanılabileceğini ele aldık. İki yönü inceledik: ilki, hibrit makine öğrenimi yöntemlerini kullanan hata raporlarının seçimi ve hata deposunda geliştirici önceliklendirmesinin modellenmesi ve modelimizle geliştirici atama görevlerinin desteklenmesi. İkinci olarak, kanıtlanmış bilgi ve deneyime dayalı olarak geliştiricilerin geçmişleri tarafından önerilen ilgili hedefleri modelledik. Çalışma, App Store'daki hataları ve geliştirici sıralamalarını düzeltme konusunda iki başarılı kişinin deneyimine odaklanıyor. Hata havuzlarında geliştirici önceliklendirmesini kullanarak daha iyi atamalar yapmaya çalıştık, örneğin hata triyajı, önem derecesi belirleme ve yeniden açılan hata tahmini. Modelin çıktısını, temsili bir hata depoları örneğinde inceliyoruz. Sonuçlar, geliştiricilerin önceliklendirme önceliklendirmesinin çalışanın önceliklendirilmesinin ve programın yazılım desteği desteği ile hataların daha etkin bir şekilde çözülmesine açıklık getirilmiştir. Girişten sonra, Bölüm 2 literatürü anlatmaktadır; 3. bölüm çalışmalarda kullanılan metodolojiler hakkındadır, bulgular ve açıklamalar bu tezde açıklanmıştır, bölüm 4, aşağıdaki bölüm referanslar eşliğinde açıklamadır.
Özet (Çeviri)
The primary purpose is to create a hybrid recommendation system approach to improve the performance of such systems. This recommendation system would typically be used to assign or suggest a small number of developers suitable for troubleshooting a bug report. Managing collections inside bug repositories is software developers' task to fix any particular bugs that have been identified. Bugs are often created, so the number of developers needed is high, so it's hard to decide how many to assign to specific tasks. This analysis aims better to understand the outcomes of the latest scientific methods. We also addressed developer prioritization and how it can be used to determine the assignment of a problem to a developer. We have studied two aspects: first, the selection of bug reports using hybrid machine learning methods, and modelling developer prioritization in the bug repository and supporting developer assignment tasks with our model. Second, we modelled the relevant objectives suggested by the developers' backgrounds based on proven knowledge and experience. The study focuses on two topers' experience with fixing bugs and developer rankings in the App Store. We've tried to take better assignments using developer prioritization in bug repositories, e.g., bug triage, severity identification and re-opened bug prediction. We examine the output of the model in a representative sample of bug repositories. The results show that the prioritization of developers' prioritization triage worker and allow the program to solve the bugs more effectively in support of the software support has been clarified. After the introduction, Chapter 2 relates the literature; chapter 3 is about the methodologies used in studies, the findings and explanation are described in this thesis, chapter 4, the following chapter is the description accompanied by references.
Benzer Tezler
- Evolutionary feature optimization for plant leaf disease detection by deep neural networks
Bitki yaprak hastalık teşhisi için derin sinir ağları ile evrimsel özellik optimizasyonu
JALAL SADOON HAMEED AL BAYATI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Prof. Dr. BURAK BERK ÜSTÜNDAĞ
- Energy efficient resource allocation for future wireless communication systems
Gelecek nesil kablosuz haberleşme sistemleri için enerji verimli kaynak tahsisi
MEHDI SALEHI HEYDAR ABAD
- Optimizasyon problemlerinin çözümü için yapay arı kolonisi algoritması tabanlı yeni yaklaşımlar
Novel approaches based on articial bee colony algorithm to solve optimization pronlems
MUSTAFA SERVET KIRAN
Doktora
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MESUT GÜNDÜZ
- Design and deployment of deep learning based fuzzy logicsystems
Derin öğrenme tabanlı bulanık sistemlerin geliştirilmesi ve uygulanması
AYKUT BEKE
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR
- Akıllı şebekelerde yük yönetimi ve yük tahmini
Load forecasting and load management in smart grid
MEHMET ŞEFİK ÜNEY
Doktora
Türkçe
2019
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. NURETTİN ÇETİNKAYA