.png){kind=icon}
返回
Design Pattern Prediction From Source Code Using LLM-Based Feature Engineering and SVM Classification
.png){kind=icon}
OA
AI
DOI：10.1049/sfw2/7163249.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
典型源代码（SC）度量在识别和预测典型Java和Kotlin项目中所使用的设计模式方面是有用的。然而，基于典型SC度量的预测往往不够准确。本研究提出了一种新颖的方法，即借助基于大型语言模型（LLM）的特征提取来检测代码中的各种设计模式，而不是使用现有方法中通常使用的传统SC度量。本研究旨在借助各种基于LLM的特征提取和监督机器学习（ML）算法来识别和提取架构设计模式。在所提出的方法中，提取了基于LLM的24种设计模式特征，而不是用于预测特定项目SC设计模式的最新度量。本文主要贡献在于智能和自动化软件设计与开发方面，具体为基于人工智能（AI）的设计模式检测，以实现重构的目的。此外，本研究还旨在探讨设计模式特征在自动化检测架构设计模式中的作用，并研究架构设计模式及其相应和独特特征之间的关联。实现了一个基于Python的支持向量机（SVM）算法。基于SVM的二分类总体准确率为97.30%，这验证了所提出方法的有效性。
Keyword:
design pattern features
design patterns
large language models
SVM
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
I
IF:
1.3
论文数:
21
被引数:
655
机构
引用论文
.png){kind=icon}
分享收藏分享收藏
查看更多内容