Xây dựng bộ dữ liệu và dự đoán mã xấu sử dụng học máy
➤ Gửi thông báo lỗi ⚠️ Báo cáo tài liệu vi phạmNội dung chi tiết: Xây dựng bộ dữ liệu và dự đoán mã xấu sử dụng học máy
Xây dựng bộ dữ liệu và dự đoán mã xấu sử dụng học máy
DẠI HỌC ĐÀ NÀNG TRƯỜNG DẠI HỌC BÁCH KHOAPHAN DUY HỪNGXÂY DỰNG BỌ DỮ LIỆU VÀ DỤ ĐOÁN MÃ XẤU SỬ DỤNG HỌC MÁYLUẬN VĂN THẠC sĩ KHOA HỌC MÁY TÍNHDà Nang - Xây dựng bộ dữ liệu và dự đoán mã xấu sử dụng học máy Năm 2022ĐẠI HỌC ĐÀ NÀNG TRƯỜNG ĐẠI HỌC BÁCH KHOAPHAN DUY HỪNGXÂY DỰNG Bộ DỮ LIỆU VÀ Dự ĐOÁN MÃ XẤU SỬ DỤNG HỌC MÁYChuyên ngành: Khoa học máy tính Mã số: 848.01.01LUẬN VÁN THẠC sĩNgười hướng dẫn khoa học: TS. LÊ THỊ MỸ HẠNHĐà Nầng - Năm 2022iTRƯỜNG DAI HOC BACH KHOA TRỨNG 'tâm ’ nọc UỆV VA TRl-YẾX m Xây dựng bộ dữ liệu và dự đoán mã xấu sử dụng học máy ôxcLỜI CAM ĐOANTòi xin cơm đoan đây' là công trinh nghiên cứu cũơ riêng tòi.Nhừng kiên thức trình bày' trong luận văn lờ do tôi tìm hiên, nghiên cữu vXây dựng bộ dữ liệu và dự đoán mã xấu sử dụng học máy
à trình bày lợi theo cách hiểu. Trong quớ trình làm luận vởn tôi có thơm kháo các tài liệu có liên quan vờ đõ ghi rò nguồn tài liệu thơm khảo dó.Tác gDẠI HỌC ĐÀ NÀNG TRƯỜNG DẠI HỌC BÁCH KHOAPHAN DUY HỪNGXÂY DỰNG BỌ DỮ LIỆU VÀ DỤ ĐOÁN MÃ XẤU SỬ DỤNG HỌC MÁYLUẬN VĂN THẠC sĩ KHOA HỌC MÁY TÍNHDà Nang - Xây dựng bộ dữ liệu và dự đoán mã xấu sử dụng học máy XGTÓM TẤT LUẬN VĂNXÂY DựNG BỌ DỮ LIỆU VÀ Dự ĐOÁN MÂ XẤU SỪ DỤNG HỌC MÁY Học viên: Phan Duy Hùng Chuyên ngành: Khoa học máy tính Mà số: 60.48.01 Khóa: K41.KMT (PFIEV) Tnrỡng Đại hoc Bách khoa - ĐHĐNTóm tat - Một trong những cách để ngàn chận lồi phần mềm lả phát hiên ra mã xấu và loai bõ nõ trước khi Xây dựng bộ dữ liệu và dự đoán mã xấu sử dụng học máy nó gây ra các lỏi phần mềm. Xác đinh mã xầu có thể giúp các nhà phát triền cãi thiện chương trinh cùa họ vè chất lượng, đặc biệt là trong các hoạt độXây dựng bộ dữ liệu và dự đoán mã xấu sử dụng học máy
ng bao trì. Mă xấu được Martin Fowler và Kent Beck đinh nghía vào năm 1999. Cho đến nay có rát nhiều nghiên cứu vè cách phát hiện mã xấu. Hiện nay vả DẠI HỌC ĐÀ NÀNG TRƯỜNG DẠI HỌC BÁCH KHOAPHAN DUY HỪNGXÂY DỰNG BỌ DỮ LIỆU VÀ DỤ ĐOÁN MÃ XẤU SỬ DỤNG HỌC MÁYLUẬN VĂN THẠC sĩ KHOA HỌC MÁY TÍNHDà Nang - Xây dựng bộ dữ liệu và dự đoán mã xấu sử dụng học máy g cân trờ cùa các nghiên cứu này. Vi vậy. tác gia đà xây dưng một bõ dữ liệu về mã xấu với nhiều sư cãi tiến như quy mô máu thử lớn. đa dạng với 13 loai mã xấu. đầy đủ các đô đo về mà nguồn. Ngoài ra. tác giã còn trinh bây các 4 kịch băn thử nghiêm dư đoán mã xấu trên bô dừ liệu mà xấu được còng bố Xây dựng bộ dữ liệu và dự đoán mã xấu sử dụng học máy bới Fontana năm 2017 và bõ dử liệu mới đtrợc tác gia cung cắp. Có 6 thuật toán hoc máy vã 4 kỳ thuật tiền xư lý dữ liệu được áp dụng. Két quà cùa cácXây dựng bộ dữ liệu và dự đoán mã xấu sử dụng học máy
kịch ban được đánh giá dưa trẽn cãc độ đo như ROC Curve. Fl-score. Hầu hết cãc thuật toán đều mang lai kết quả khá quan. Trong đó. Random Forest. SuppDẠI HỌC ĐÀ NÀNG TRƯỜNG DẠI HỌC BÁCH KHOAPHAN DUY HỪNGXÂY DỰNG BỌ DỮ LIỆU VÀ DỤ ĐOÁN MÃ XẤU SỬ DỤNG HỌC MÁYLUẬN VĂN THẠC sĩ KHOA HỌC MÁY TÍNHDà Nang - Xây dựng bộ dữ liệu và dự đoán mã xấu sử dụng học máy oáng 60% lên khoảng 95%.Từ khỏa - Mã xấu; Bõ dữ liêu mã xấu: Thuật toán hoc máy: Tiền xử lý dừ liệu: Đô đo mã nguồnBUILD DATASETS AND PREDICT CODE SMELLS USING MACHINE LEARNING Abstract - One of the ways to prevent software bugs is to detect code smell and remove It before it causes software bugs. I Xây dựng bộ dữ liệu và dự đoán mã xấu sử dụng học máy dentify ing code smell can help developers improve their programs in terms of quality-, especially in maintenance activities. Code smell was defined bXây dựng bộ dữ liệu và dự đoán mã xấu sử dụng học máy
y Martin Fowler and Kent Beck in 1999. So far there are lots of researches on how to detect code smell. Now and in the future, researchers aim to use DẠI HỌC ĐÀ NÀNG TRƯỜNG DẠI HỌC BÁCH KHOAPHAN DUY HỪNGXÂY DỰNG BỌ DỮ LIỆU VÀ DỤ ĐOÁN MÃ XẤU SỬ DỤNG HỌC MÁYLUẬN VĂN THẠC sĩ KHOA HỌC MÁY TÍNHDà Nang - Xây dựng bộ dữ liệu và dự đoán mã xấu sử dụng học máy s built a dataset of code smell with many improvements such as large, many samples with 13 types of code smell, full of source code metrics. Besides, the author also presents 4 code smell prediction test scenarios on the code smell dataset published by Fontana in 2017 and the new dataset provided by Xây dựng bộ dữ liệu và dự đoán mã xấu sử dụng học máy the author. There are 6 machine learning algorithms and 4 data preprocessing techniques applied. The results of the scenarios are evaluated based onXây dựng bộ dữ liệu và dự đoán mã xấu sử dụng học máy
measures such as ROC Curve. Fl-score. Most of the algorithms give positive results. In which. Random Forest. Support Vector Machine, Decision Tree gavDẠI HỌC ĐÀ NÀNG TRƯỜNG DẠI HỌC BÁCH KHOAPHAN DUY HỪNGXÂY DỰNG BỌ DỮ LIỆU VÀ DỤ ĐOÁN MÃ XẤU SỬ DỤNG HỌC MÁYLUẬN VĂN THẠC sĩ KHOA HỌC MÁY TÍNHDà Nang - Xây dựng bộ dữ liệu và dự đoán mã xấu sử dụng học máy ey words - Code smell: Code smell datasets; Machine learning: Data preprocessing: Code metricsTHƯ VIÊN TRƯỜNG ĐAI HỌC BÁCH KHOA - Đại HOC ĐẢ NÂNG.Lưu hành >1ÔĨ bộiiiTRLEÙNS CAI H0€ BẰCP KHOA Xây dựng bộ dữ liệu và dự đoán mã xấu sử dụng học máy DẠI HỌC ĐÀ NÀNG TRƯỜNG DẠI HỌC BÁCH KHOAPHAN DUY HỪNGXÂY DỰNG BỌ DỮ LIỆU VÀ DỤ ĐOÁN MÃ XẤU SỬ DỤNG HỌC MÁYLUẬN VĂN THẠC sĩ KHOA HỌC MÁY TÍNHDà Nang -Gọi ngay
Chat zalo
Facebook