.png){kind=icon}
返回
Automating software size measurement from python code using language models
.png){kind=icon}
PRE
AI
DOI：10.1007/s10515-025-00571-z.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
软件规模是项目规划、工作量估算和生产力分析的关键输入。尽管预训练语言模型在从自然语言需求中推导功能规模方面显示出潜力，但直接从源代码测量规模仍处于探索不足的阶段。然而，基于代码的规模测量在现代工作流程中至关重要，因为在敏捷开发环境中，需求文档往往不完整或不可用。本研究探索性地调查了使用CodeBERT（一种预训练的双模态转换器模型）直接根据两种测量方法（COSMIC功能点和MicroM）从Python源代码测量软件规模的应用。我们从CodeSearchNet语料库的Python子集中构建了两个精选数据集，并手动为每个函数标注其对应的规模。实验结果表明，CodeBERT可以成功测量COSMIC数据移动，准确率高达91.4%，并能泛化至MicroM中定义的功能、架构和算法事件类型，准确率达到81.5%。这些发现凸显了在需求工件缺失或不可靠时，基于代码的语言模型在自动化功能规模测量方面的潜力。
Keyword:
Software size measurement
COSMIC
MicroM
Natural language processing
CodeBERT
BERT
期刊
A
IF:
3.1
论文数:
84
被引数:
0
机构
引用论文
CodeSearchNet challenge: evaluating the state of semantic code searchCodeSearchNet挑战：评估语义代码搜索的现状.png)
OAAI
IF0
OAAI分享收藏
Bert_se: a pre-trained language representation model for software engineeringBert_se：一个面向软件工程的预训练语言表示模型
IF0
PREAI
分享收藏Developing an Advanced Software Requirements Classification Model Using BERT: An Empirical Evaluation Study on Newly Generated Turkish Data基于BERT的高级软件需求分类模型的开发：一项针对新生成土耳其数据的实证评估研究OAAI
OAAI分享收藏COSMIC-Functional Size Classification of Agile Software Development: Deep Learning ApproachCOSMIC-功能性规模分类：敏捷软件开发中的深度学习方法
PREAI
分享收藏Deep learning model for end-to-end approximation of COSMIC functional size based on use-case names
PREAI
分享收藏
查看更多内容