.png){kind=icon}
返回
User Feedback-Driven Generative Models-Based Methodology for Service Construction
.png){kind=icon}
PRE
AI
DOI：10.1109/MIC.2025.3548143.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
软件服务具有动态性，可以通过组合或混搭来创建应用程序，用户反馈驱动持续优化。在数据驱动的智能软件开发中，基于用户-开发者交互数据支持这些服务的组合与优化是一个关键挑战。服务推荐不准确、反馈无结构化以及服务的持续演进等问题使这一过程复杂化。本文提出了一种解决方案，利用软件服务推荐构建混搭应用，从用户反馈中提取有价值的见解，并据此优化服务。优化工作在服务层和代码层同时进行，以减轻开发者的工作负担。案例研究展示了服务构建过程，说明了这些方法如何改善服务组合和性能。
Keyword:
Optimization
Codes
Mashups
Internet
Iterative methods
Data mining
Translation
Web sites
Training
User experience
Generative AI
Software as a service
Feedback
期刊
IF:
4.4
论文数:
2.0K
被引数:
2.0K
机构
引用论文
Mashup-Oriented Web API Recommendation via Multi-Model Fusion and Multi-Task Learning基于多模型融合和多任务学习的面向Mashup的Web API推荐
.png){kind=icon}
PREAI
分享收藏What Makes Good In-Context Demonstrations for Code Intelligence Tasks with LLMs?使用LLMs进行代码智能任务的良好上下文演示的原因是什么？
PREAI
分享收藏
分享收藏CodeT5: Identifier-aware Unified Pre-trained Encoder-Decoder Models for Code Understanding and GenerationCodeT5: 用于代码理解和生成的标识符感知的统一预训练编码器-解码器模型
OAAI
OAAI分享收藏DySR: A Dynamic Graph Neural Network Based Service Bundle Recommendation Model for Mashup Creation
PREAI
分享收藏
查看更多内容