Skip navigation
Use este identificador para citar ou linkar para este item: https://repositorio.ufpe.br/handle/123456789/2737

Compartilhe esta página

Título: Um sistema de recomendação de código-fonte para suporte a novatos
Autor(es): BARBOSA, Yuri de Almeida Malheiros
Palavras-chave: Sistemas de Recomendação, Engenharia de Software, Manutenção de Software, Teoria da Informação.
Data do documento: 31-Jan-2011
Editor: Universidade Federal de Pernambuco
Citação: de Almeida Malheiros Barbosa, Yuri; Romero de Lemos Meira, Silvio. Um sistema de recomendação de código-fonte para suporte a novatos. 2011. Dissertação (Mestrado). Programa de Pós-Graduação em Ciência da Computação, Universidade Federal de Pernambuco, Recife, 2011.
Abstract: Novatos em um projeto de desenvolvimento de software costumam ter problemas nas suas primeiras tarefas, porque antes de tornarem-se produtivos como os desenvolvedores mais experientes, eles precisam aprender as ferramentas, como o código-fonte está organizado, como todo projeto funciona, entre outras atividades. Muitas vezes, para ensinar a um novato o que ele precisa, um mentor, alguém mais experiente no projeto, é alocado para guiá-lo nos seus primeiros passos. Durante o desenvolvimento de software os desenvolvedores interagem com sistemas de controle de versão, sistemas de controle de mudanças e listas de discussão. Todas essas ferramentas gravam artefatos e a este conjunto de dados damos o nome de memória do projeto. Sistemas de recomendação podem ajudar os desenvolvedores usando a memória do projeto para recomendar artefatos importantes e assim evitar a necessidade de comunicação contínua entre as pessoas. Usando um sistema de recomendação os desenvolvedores perguntam primeiro para o computador, portanto eles só precisam perguntar para outro desenvolvedor se o sistema de recomendação falhar em guiá-lo para a resposta correta. Este trabalho apresenta a criação de um sistema de recomendação para Engenharia de Software chamado Mentor. Seu objetivo é recomendar arquivos de código-fonte que devem fazer parte da solução de uma solicitação de mudança. Além disso são apresentados e discutidos os resultados de três experimentos realizados para comparar técnicas de atribuição de similaridade utilizando os dados dos projetos GTK+, Hadoop e GIMP. Usando o PPM para atribuir similaridade foram conseguidos resultados para recall rate entre 38,82% e 66,8%, e utilizando o LSI os resultados variaram entre 24,6% e 47,6%
URI: https://repositorio.ufpe.br/handle/123456789/2737
Aparece nas coleções:Dissertações de Mestrado - Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
arquivo6895_1.pdf1,07 MBAdobe PDFThumbnail
Visualizar/Abrir


Este arquivo é protegido por direitos autorais



Este item está licenciada sob uma Licença Creative Commons Creative Commons