機械学習システムにおけるコードスメル【JST・京大機械翻訳】

Gesi Jiri; Liu Siqi; Li Jiawei; Ahmed Iftekhar; Nagappan Nachiappan; Lo David; de Almeida Eduardo Santana; Kochhar Pavneet Singh; Bao Lingfeng

プレプリント

J-GLOBAL ID：202202213479665050 整理番号：22P0297453

機械学習システムにおけるコードスメル【JST・京大機械翻訳】

Code Smells in Machine Learning Systems

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (9件)： , , , , , , , ,
資料名：
発行年： 2022年03月01日プレプリントサーバーでの情報更新日： 2022年03月01日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

深層学習(DL)システムが連続的に進化し,成長するので,それらの品質を保証することは,重要だが挑戦的な課題になる。非DLシステムと比較して,DLシステムはより複雑なチーム構成と重いデータ依存性を持っている。これらの固有特性は,DLシステムを,バグに対してより脆弱であり,長期において,保守問題に対して潜在的に引き起こすであろう。コード匂いは,非DLシステムの効率的な指標として経験的にテストされる。したがって,著者らは,コード匂いを同定し,そして,この包括的研究における保全に及ぼす影響を理解するために,ステップを取り入れた。これは,DLソフトウェアシステムの文脈におけるコード匂いの調査に関する最初の研究であり,研究者と実務家が,どのような種類の保全修正がなされたか,そして,どのコード匂い開発者が対処されているかを,初めて見るのを助ける。本論文では,3つの主要な貢献がある。第1に,DLシステムの進化を研究することによってDL開発者によってなされた保全修正を包括的に調査して,著者らはDLシステムにおける9つの頻繁に発生する維持関連修正カテゴリーを同定した。第二に,DLシステムにおける5つのコード匂いを要約した。第3に,著者らは,定性的および定量的分析の混合物を通して,著者らの新しく同定されたコード嗅覚の有病率および影響を検証した。著者らは,著者らの新しく同定されたコード匂いが,開発者の展望からDLシステムの保全に一般的で影響することを見出した。【JST・京大機械翻訳】

, , , , , ,
, , , 【Automatic Indexing@JST】

計算機システム開発

前のページに戻る