抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ソフトウェア開発は,多重第3次図書館(TPL)の使用から成る。しかし,ソフトウェアアプリケーションの分配に当たらない図書館は,CPUサイクル,メモリ,およびモディアデバイスの電池使用のような資源の過度の消費につながることが多い。したがって,応用中に存在する未使用TPLの同定と除去は望ましい。JavaとPythonアプリケーションにおける無関係なTPLを検出する,迅速,貯蔵効率,混乱-回復法を示した。提案アプローチの新しい側面はi)Lib2Vecと呼ぶモデルを用いるクラスファイルのベクトル表現を計算することである。Lib2Vecモデルは,Lib2Vecモデルを訓練するためにそれを使用する前に,パラグラフベクトルアルゴリズムを使用して訓練され,クラスファイルは,27の異なる言語特異的Lib2Vecモデルで開発され,テストされたセマンティック保存変換(XtraLibD)によって正規化形式に変換された。これらのモデルを,MavenCentral.comとPypi.comで利用可能な>100の異なるJavaライブラリーと43,711Pythonからそれぞれ,異なるパラメータおよび>30,000.クラスと>478000.pyファイルを用いて訓練した。XtraLibDは,0.968のF1スコアで99.48%の精度を達成し,既存のツール,即ち,LibScout,LiteRadar,およびLibDを,それぞれ74.5%,30.33%,および14.1%の精度改善で凌駕した。LibDと比較して,XtraLibDは61.37%の応答時間改善と87.93%の貯蔵減少(JIngredentで99.85%)を達成した。このプログラムアーチファクトはhttps://www.doi.org/10.5281/zenodo.5179747で利用可能である。【JST・京大機械翻訳】