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。
セマンティックバージョン政策は,パッケージ放出における変化のレベルを示すために広く使用されている。残念なことに,開発者が意味的バージョン政策を尊重しない多くの事例があり,依存アプリケーションの破損につながる。そのようなケースを減らすために,著者らは,セマンティックバージョンタイプを適切に決定するために,新しい放出タイプ,すなわち,パッチ,マイナー,主要な,を効果的に予測するための機械学習(ML)技術を使用して提案した。予測を行うために,著者らは,変化コードの複雑性,変化タイプ,および開発活動のような,放出に関する多くの特徴をマイニングし,使用した。次に,4つのML分類器を用いた。提案したML分類器の性能を評価するために,合計約6,260の放出を含む31のJavaScriptパッケージに関する経験的研究を行った。パッケージのソースコードとリポジトリの歴史的データから41のリリースレベルの特徴を抽出することにより始めた。次に,4つの機械学習分類器,すなわち,XGBoost,ランダムフォレスト,決定木,およびロジスティック回帰を用いた。著者らは,XGBoost分類器が,それぞれ,主要,マイナーおよびパッチ放出に対して,0.78,0.69および0.74の中央値ROCAUC値を達成して,最良に実行したことを見出した。また,放出における変化タイプに関連する特徴は,意味的バージョンタイプを決定する特徴の最良の予測子グループであることも見出した。最後に,クロスパッケージ検証を適用することにより,セマンティックバージョンタイプを決定する一般化可能性を研究した。著者らの結果は,一般的分類器が,主要,マイナー,およびパッチ放出に対して,0.76,0.69,および0.75の中央値ROCAUC値を達成したことを示した。【JST・京大機械翻訳】