文献

J-GLOBAL ID：201802232625936324   整理番号：18A1807482

機械学習フレームワークを用いたWebサービスのアンチパターン検出に関する経験的解析【JST・京大機械翻訳】

An Empirical Analysis on Web Service Anti-pattern Detection Using a Machine Learning Framework

著者 (2件)： Kumar Lov ,  Sureka Ashish
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： compsac  ページ： 2-11  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： Webサービスは,相互運用性,拡張性,分散アプリケーション開発,およびサービス指向アーキテクチャによって特徴付けられるアプリケーションコンポーネントである。いくつかの第三者Webサービスを組み合わせることにより,複雑な分散アプリケーションを開発することができる。反パターンは,対抗生産的で貧弱な設計と実践である。Webサービスは,GodオブジェクトWebサービスやFineグレインWebサービスのような多数のアンチパターンに悩まされている。著者らの研究は,Webサービスを実行するソースコードの静的解析により,共通Webサービスアンチパターンを自動的に検出するための技術を構築する必要性に動機付けられる。著者らのアプローチは,Webサービスレベルで計算されたオブジェクト指向ソース符号計量の要約値が,アンチパターンの予測子として使用できるという前提に基づいている。クラス不均衡問題に遭遇する4つのデータサンプリング技術の経験的解析,5つの特徴ランキング技術を提示し,いくつかのドメインを横切る226の実世界Webサービスにおける5つの異なるタイプのアンチパターンを予測するために,最も有益で関連する特徴と8つの機械学習アルゴリズムを同定した。著者らは,ソースコード計量と機械学習フレームワークを用いて反パターンを予測することが可能であると結論した。著者らの解析は,最良の実行分類アルゴリズムがランダムフォレストであることを明らかにし,最良の実行データサンプリング技術はSMOTEで,最良の実行特徴ランキング法はOneRであった。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *機械学習 ,  学習アルゴリズム ,  *Webサービス ,  応用プログラム ,  インタオペラビリティ
準シソーラス用語： ランダムフォレスト ,  分類アルゴリズム ,  データサンプリング ,  クラス不均衡 ,  予測子 ,  オブジェクト指向 ,  静的解析 ,  ソースコード ,  サービス指向アーキテクチャ ,  アプリケーション開発 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 機械学習 ,  フレームワーク ,  Webサービス ,  経験 ,  解析