Sharif Digital Repository / Sharif University of Technology
    • [Zoom In]
    • [Zoom Out]
  • Page 
     of  0
  • [Previous Page]
  • [Next Page]
  • [Fullscreen view]
  • [Close]
 
پیش بینی مفید بودن نظرات بازنگری کد با استفاده از الگوریتم‌های یادگیری ماشین
محمدی، عاطفه Mohammadi, Atefeh

Cataloging brief

پیش بینی مفید بودن نظرات بازنگری کد با استفاده از الگوریتم‌های یادگیری ماشین
پدیدآور اصلی :   محمدی، عاطفه Mohammadi, Atefeh
ناشر :   صنعتی شریف
سال انتشار  :   1398
موضوع ها :   نگهداری نرم افزار Software Maintenance یادگیری ماشینی Machine Learning بازنگری کد همکار...
شماره راهنما :   ‭19-52509

Find in content

sort by

Bookmark

  • فهرست جدول‌ها (10)
  • فهرست تصویرها (11)
  • فهرست نمودارها (12)
  • فصل1 : معرفی پژوهش (13)
    • 1-1 تعریف مسئله (13)
    • 1-2 انواع روشهای بررسی کد همکار (14)
      • 1-2-1 بازرسی کد (بازرسی رسمی) (14)
      • 1-2-2 بررسی غیر هم‌زمان با کمک پست الکترونیکی (15)
      • 1-2-3 بررسی مبتنی بر ابزار (15)
      • 1-2-4 مدل توسعه مبتنی بر درخواست (16)
    • 1-3 تأثیر بررسی کد و انگیزه بررسی کد (17)
    • 1-4 اهداف پژوهش (18)
    • 1-5 مراحل انجام پژوهش (19)
    • 1-6 نوآوری‎های پژوهش (20)
    • 1-7 ساختار پایان‌نامه (20)
  • فصل2 مبانی نظری تحقیق (21)
    • 2-1 رمزگذاری وان-هات (21)
    • 2-2 تعبیه کلمات (21)
      • 2-2-1 یادگیری بازنمایی کلمات (word2vec) (23)
      • 2-2-2 بردار پاراگراف: یک مدل توزیع‌شده حافظه (doc2vec) (24)
    • 2-3 الگوریتم جنگل تصادفی (26)
    • 2-4 الگوریتم XGBoost (27)
    • 2-5 شبکه عصبی بازگشتی (33)
  • فصل3 پیشینه پژوهش (38)
    • 3-1 بررسی عوامل مؤثر در مفید بودن نظرات بررسی کد (38)
    • 3-2 بررسی عوامل مؤثر در کیفیت بررسی کد (41)
    • 3-3 بررسی نوع احساسات موجود در نظرات بررسی کد (45)
    • 3-4 تحلیل نتایج بررسی پیشینه پژوهش (46)
  • فصل4 راهکار پیشنهادی (47)
    • 4-1 بررسی روش پیشنهادی ارائه‌شده در مقاله [4] (49)
      • 4-1-1 بررسی تأثیر ویژگی‌های مختلف در ایجاد نظرات مفید (49)
      • 4-1-2 پیاده‌سازی روش پیشنهادی مقاله [4] برای پیش‎بینی نظرات مفید (50)
    • 4-2 جمع‌آوری مجموعه داده (51)
    • 4-3 بررسی انواع روش‌های دسته‌بندی و انتخاب روش پیش‌بینیکننده (55)
      • 4-3-1 الگوریتم XGBoost (55)
      • 4-3-2 الگوریتم ماشین بردار پشتیبان (56)
      • 4-3-3 الگوریتم نایو بیز (56)
      • 4-3-4 الگوریتم رگرسیون لجستیک (57)
      • 4-3-5 شبکه عصبی (57)
    • 4-4 پیادهسازی روشهای دستهبندی انتخابشده (57)
      • 4-4-1 انواع معماری شبکه عصبی (59)
        • 4-4-1-1 شبکه‌های عصبی کاملاً متصل (60)
        • 4-4-1-2 شبکه‌های عصبی GRU (63)
        • 4-4-1-3 شبکه‌های عصبی LSTM (64)
        • 4-4-1-4 ترکیب انواع مختلف شبکه‌های عصبی (66)
      • 4-4-2 تنظیم پارامترهای الگوریتم XGBoost (70)
  • فصل5 ارزیابی و اعتبارسنجی (74)
    • 5-1 ارزیابی و مقایسه روش پیشنهادی با کارهای پیشین (74)
    • 5-2 تهدیدات علیه اعتبار (76)
      • 5-2-1 اعتبار درونی (77)
      • 5-2-2 اعتبار بیرونی (77)
      • 5-2-3 اعتبار ساخت (78)
      • 5-2-4 اعتبار اطمینان (78)
  • فصل6 جمعبندی و کارهای آتی (79)
    • 6-1 نقاط قوت (79)
    • 6-2 نقاط ضعف (80)
  • منابع یا مراجع (81)
  • واژهنامه فارسی به انگلیسی (85)
Loading...