![[PukiWiki]](image/wadanyan.png "[PukiWiki]")
#author("2017-03-21T10:17:38+09:00","","") #author("2017-03-21T10:17:46+09:00","","") * Note [#ce8a3987] - [[輪講資料/2015年度情報通信システム演習]] - [[研究グループ/コードクローン]] - [[研究発表会/2016年度]] - [[研究協力/上西]] - [[引き継ぎ/アプリ検索]] * Products [#a3563375] - 卒業論文 -- Bitbucketにある2016年度卒論リポジトリにPDFファイルがあります。 -- https://bitbucket.org/wakayama_oss/graduation_thesis_2016（上西/tex/thesis.pdf） - 卒業研究の使ったプログラム - 卒業研究で使ったプログラム -- https://bitbucket.org/s181007/lookappfeature * ToDo [#n7080c1c] - Gitの勉強 -- [[git入門 (全22回) - プログラミングならドットインストール>http://dotinstall.com/lessons/basic_git]] -- [[サルでもわかるGit入門 〜バージョン管理を使いこなそう〜 | どこでもプロジェクト管理バックログ>http://www.backlog.jp/git-guide/]] -- [[いつやるの？Git入門 on Vimeo>https://vimeo.com/80420326]] -- [[Gitを一度はあきらめた人のためのわかりやすいスライド９選 | UX MILK>http://uxmilk.jp/14664]] -- [[Gitチュートリアルとトレーニング| Atlassian>https://www.atlassian.com/ja/git/tutorial]] --- [[Learn Git- Git tutorials, workflows and commands | Atlassian Git チュートリアル>https://ja.atlassian.com/git]] -- [[Git - Book>https://git-scm.com/book/ja/v2]] * Schedule [#s1c201d6] |>|>|>|>|>|CENTER:|c | |~Mon|~Tue|~Wed|~Thu|~Fri|h |~1| | | | |1年自主演習&br;（隔週）| |~2|1年自主演習&br;（隔週）|輪講会|研究発表会|CSM班MTG|3年演習| |~3| | | | | | |~4| |1年自主演習&br;（隔週）| |1年自主演習&br;（隔週）| | |~5| | | | | | * Bookmarks [#v78163ef] - 情報検索、自然言語処理 -- [[情報検索 - Wikipedia>https://ja.wikipedia.org/wiki/%E6%83%85%E5%A0%B1%E6%A4%9C%E7%B4%A2]] -- [[潜在的意味インデキシング（LSI）徹底入門 - あらびき日記>http://d.hatena.ne.jp/a_bicky/20120324/1332591498]] -- [[【研究】連載：技術的側面からの検索エンジンの考察 ~第２回テキストマイニングの基本的手法（TF-IDF、LSI、LDA)~ | ミエルカブログ>http://mieru-ca.com/blog/research-tf-idf-lsi-lda/]] -- [[単純な単語のベクトル表現: word2vec, GloVe - Qiita>http://qiita.com/yuku_t/items/483b56be83a3a5423b09]] -- [[pixiv小説で機械学習したらどうなるのっと【学習済みモデルデータ配布あり】 - pixiv inside>http://inside.pixiv.net/entry/2016/09/13/161454]] -- [[トピックモデルを利用したアプリケーションの作成 | Tech-Sketch>http://tech-sketch.jp/2015/09/topic-model.html]] - misc -- [[Eclipseを使ったJavaのデバッグ方法を解説 | ITのおもちゃ箱>http://ittoybox.com/archives/341]] -- [[自動でバグが修正できる！？プログラム自動修正技術のイマ | NTTデータ>http://www.nttdata.com/jp/ja/insights/trend_keyword/2016041401.html]] * Read Papers [#v6491946] *** Combining Formal Concept Analysis with Information Retrieval for Concept Location in Source Code [#p718329b] - Author : Denys Poshyvanyk, Andrian Marcus - Source : Proceedings of the 15th IEEE International Conference on Program Comprehension (ICPC'07), Banff, Alberta, Canada, June 26-29, 2007, pp. 37-48 - Publication Date : 2007/06/26 - Read Date : 2016/09/05 - Overview : -- 潜在的意味インデキシング(Latent Semantic Indexing, LSI)と形式概念分析(Formal Concept Analysis, FCA)を組み合わせたFeature Location手法を提案 -- 提案手法は開発者の手間の軽減に寄与した -- 90コード片(n)と20~25単語(k)をFCAに適用すると最も効果的だった - Note : -- 評価実験、結果あたりがよくわからなかった。 *** ショートメッセージの部分空間表現と宛先推定 [#aa469a9d] - Author : 清水 彰人, 酒井 智弥, 小林 透 - Source : DICOMO2016, pp.934-937 - Publication Date : 2016/07 - Read Date : 2016/07/25 - Overview : -- word2vec（単語の意味を線形代数的に演算可能にするベクトル表現）を利用して、短いメッセージと宛先候補をそれぞれ線形ベクトル部分空間で表すことで、相互部分空間法による類似性の定量化を実現する。 - Note : -- ベクトルの計算が...数式が... *** プログラム理解のための凝集度に基づく機能候補抽出 [#u300fd2c] - Author : 吉田 則裕, 木下 正喬, 飯田 元 - Source : 日本ソフトウェア科学会第28回大会講演論文集, 5C-4, pp.1-6 - Publication Date : 2011/09 - Read Date : 2016/07/08 - Overview : -- プログラム中から機能候補（単一の機能を実現するために協調して動作しているコード片の集合）を凝集度に基づいて抽出する手法を提案する。 -- コード片集合を対象とした凝集度メトリクスを定義する。 -- ステップ1として、ソースコードをプログラム構文をもとにコード片に分割し、プログラム構文を節、コード片を葉とする特殊な構文木を作成する。 -- ステップ2として、凝集度メトリクスの値をもとに機能要素を抽出する。 -- ステップ3として、ステップ2で得られた機能要素の全組み合わせのうち、凝集度メトリクスの値が高くなる組み合わせを機能要素として抽出する。 - Note : -- 論文で凝集度メトリクスの定義後に行っている正規化の部分が（数学的な、数式的な意味で）よくわからなかった。 -- おもしろかった。こんな論文を書きたい。 -- 抽出された機能候補がどんな機能か自動的に判別できれば、僕の卒論と繋げられる？ *** ソフトウェアの機能に対応する実装構造の抽出と可視化手法の提案 [#o19d8544] - Author : 風戸 広史, 林 晋平, 岡田 敏, 宮田 俊介, 星野 隆, 佐伯 元司 - Source : 電子情報通信学会技術研究報告. KBSE, 知能ソフトウェア工学 112(165), 91-96 - Publication Date : 2012/07/20 - Read Date : 2016/07/08 - Overview : -- 機能の実装箇所の特定（Feature Location）に関する研究。 -- 実行トレースに系列マイニング、形式概念分析を組み合わせて適用することによって、機能の実装箇所を特定するだけではなく、その箇所の構造を半自動的に特定する手法を提案する。 - Note : -- 正直よくわからなかった（形式概念分析や系列マイニングあたり）。 -- 実行トレースが具体的にどんなものか知りたい。 *** Using Software Birthmarks to Identify Similar Classes and Major Functionalities [#ndea276c] - Author : Takeshi Kakimoto, Akito Monden, Yasutaka Kamei, Haruaki Tamada, Masateru Tsunoda, Ken-ichi Matsumoto - Source : MSR '06 Proceedings pp.171-172 - Publication Date : 2006/05/22 - Read Date : 2016/06/02 - Overview : -- ArgoUMLというソフトウェアを対象に、類似しているクラスを見つけたり、各クラスの主な機能を探してみた。 -- 用いたbirthmarkは以下の4種類。 --- constant values in field variables (CVFV birthmark) --- sequence of method calls (SMC birthmark) --- an inheritance structure (IS birthmark) --- used classes (UC birthmark) -- 主な機能に基づいた各クラスの関連の可視化には、多次元尺度構成法（Multi Dimensional Scaling、MDS）を用いた。 *** 使用クラスに基づくソフトウェアの機能面からの分類 [#j5dac217] - Author : 牛窓 朋義, 門田 暁人, 玉田 春昭, 松本 健一 - Source : 電子情報通信学会技術研究報告. SS, ソフトウェアサイエンス 109(170), pp.31-36 - Publication Date : 2009/07/30 - Read Date : 2016/05/27 - Overview : -- 各ソフトウェアが使用するクラスに基づいて、多数のソフトウェアを機能面から分類する方法を提案する。 -- 提案方法では、使用クラスの種類と出現頻度に基づいてソフトウェア問の距離を算出し、階層的クラスタリングによってソフトウェアを分類する。 -- Javaソフトウェアを対象とした実験の結果、各クラスの重み付けにtf-idf法を用い、距離の算出にユークリッド距離を用いた場合に、もっとも妥当な分類が得られた。 *** API呼び出し列の差分を利用したAndroidアプリケーション比較ツールの試作 [#re663568] - Author : 神田 哲也 - Source : 大阪大学 基礎工学部 情報科学科 特別研究報告 - Publication Date : 2011/02/16 - Read Date : 2016/05/26 - Overview : -- 機能を実装する際にはあらかじめ用意されたAPIを組み合わせて利用することが一般的なので、アプリケーションにおいて利用されるAPIの種類や順序と、機能との間には関連性があると考えられる。 -- アプリケーション中に出現するAPI呼び出し列の種類の違いを抽出し、アプリケーション間の機能の違いを明らかにする手法を提案する。 *** Automatic Patch Generation Learned from Human-Written Patches [#w60dcc54] - Author : Dongsun Kim, Jaechang Nam, Daewoo Song, Sunghun Kim - Source : ICSE '13 Proceedings, pp.802-811 - Publication Date : 2013/05/18 - Read Date : 2016/05/17 - Overview : -- 実際に人間が作成した修正パッチからよくある修正パターンを見つけ、それを用いて修正パッチを自動で生成する手法PARを提案する。 -- PARは119個中27個の修正パッチを生成できた（Genprogは16個）。 -- PARの方が、GenProgよりも受け入れられやすい修正パッチを生成できた。 - Note : -- この論文に対する批判もあるらしい *** 機械学習を用いたコードクローンの危険予測手法 [#m0c60fa7] - Author : 今里 文香, 堀田 圭佑, 肥後 芳樹, 楠本 真二 - Source : 研究報告ソフトウェア工学（SE） 2014-SE-185(21), pp.1-6 - Publication Date : 2014/07/02 - Read Date : 2016/04/01 - Overview : -- バグを起こしたことのあるコードクローンの系譜とそうでない系譜のコードの特徴（傾向）を学習し、現在のコードに存在するコードクローンの危険を予測する。 -- 多くの既存手法が学習と予測のどちらにもソフトウェア開発履歴（系譜）を使うのに対して、提案手法は予測時にはソフトウェア開発履歴が不要なので、より高速に予測できる。 -- 30種類の特徴量を使ったとしているが、詳細は不明。今後、特徴量の取捨選択が必要とも考察している。 - Note : -- この論文に対する批判もあるらしい *** Title [#a2b712a4] - Author : - Source : - Publication Date : - Read Date : - Overview : -- - Note : --
