Um método para descoberta automática de regras para a detecção de Bad Smells
Autor(a) principal: | |
---|---|
Data de Publicação: | 2014 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da Universidade Federal de Alagoas (UFAL) |
Texto Completo: | http://www.repositorio.ufal.br/handle/riufal/1757 |
Resumo: | One of the techniques to maintain software quality is code refactoring. But to take advantage of code refactoring, one must know where in code it must be applied. A catalog of bad smells in code has been proposed in the literature as a way to know when a certain piece of code should be refactored andwhat kind of refactoring should be applied. This catalog has been extended by other researchers. However, detecting such bad smells is far from trivial, mainly because of the lack of a precise and consensual definition of each Bad Smell. In this researchwork,we propose a solution to the problemof automatic detection of Bad Smells by means of the automatic discovery of metrics based rules. In order to evaluate the effectiveness of the technique, we used a dataset containing information on software metrics calculated for 4 open source software systems written in Java (ArgoUML, Eclipse,Mylyn and Rhino) and, by means of a Decision Tree induction algorithm, C5.0, we were capable of generating rules for the detection of the 12 Bad Smells that were analyzed in our study. Our experiments show that the generate rules performed very satisfactorily when tested against a separated test dataset. Furthermore, aiming to optimize the proposed approach, a Genetic Algorithm was implemented to preselect the most informative software metrics for each Bad Smell and we show that it is possible to reduce classification error in addition to, many times, reduce the size of the generated rules. When compared to existing Bad Smells detection tools, we show evidence that the proposed technique has advantages. |
id |
UFAL_85a0a689a49705cc82981f4c6d458003 |
---|---|
oai_identifier_str |
oai:www.repositorio.ufal.br:riufal/1757 |
network_acronym_str |
UFAL |
network_name_str |
Repositório Institucional da Universidade Federal de Alagoas (UFAL) |
repository_id_str |
|
spelling |
Um método para descoberta automática de regras para a detecção de Bad SmellsA method for the automatic discovery of rules for the detection of Bad SmellsInteligência artificialEngenharia de softwareAlgorítmos genéticosArtificial intelligenceSoftware engineeringGenetic algorithmsCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOOne of the techniques to maintain software quality is code refactoring. But to take advantage of code refactoring, one must know where in code it must be applied. A catalog of bad smells in code has been proposed in the literature as a way to know when a certain piece of code should be refactored andwhat kind of refactoring should be applied. This catalog has been extended by other researchers. However, detecting such bad smells is far from trivial, mainly because of the lack of a precise and consensual definition of each Bad Smell. In this researchwork,we propose a solution to the problemof automatic detection of Bad Smells by means of the automatic discovery of metrics based rules. In order to evaluate the effectiveness of the technique, we used a dataset containing information on software metrics calculated for 4 open source software systems written in Java (ArgoUML, Eclipse,Mylyn and Rhino) and, by means of a Decision Tree induction algorithm, C5.0, we were capable of generating rules for the detection of the 12 Bad Smells that were analyzed in our study. Our experiments show that the generate rules performed very satisfactorily when tested against a separated test dataset. Furthermore, aiming to optimize the proposed approach, a Genetic Algorithm was implemented to preselect the most informative software metrics for each Bad Smell and we show that it is possible to reduce classification error in addition to, many times, reduce the size of the generated rules. When compared to existing Bad Smells detection tools, we show evidence that the proposed technique has advantages.Uma das técnicas para a manutenção da qualidade de um software é o refatoramento do código, mas para que esta prática traga benefícios, é necessário saber em que partes do código ela deve ser aplicada. Um catálogo com os problemas estruturais mais comuns (Bad Smells) foi proposto na literatura como uma maneira de saber quando um fragmento de código deve ser refatorado, e que tipo de refatoramento deve ser aplicado. Este catálogo vem sendo estendido por outros pesquisadores. No entanto, a detecção desses Bad Smells, está longe de ser trivial, principalmente devido a falta de uma definição precisa e consensual de cada Bad Smell. Neste trabalho de pesquisa, propomos uma solução para o problema da detecção automática de Bad Smells por meio da descoberta automática de regras baseadas emmétricas de software. Para avaliar a efetividade da técnica, utilizamos um conjunto de dados com informações sobre métricas de software calculadas para 4 sistemas de software de código aberto programados emJava (ArgoUML, Eclipse,Mylyn e Rhino) e, por meio de umalgoritmo classificador, indutor de Árvores deDecisão, C5.0, fomos capazes de gerar regras para a detecção dos 12 Bad Smells analisados emnossos estudos. Nossos experimentos demonstramque regras geradas obtiveramumresultado bastante satisfatório quando testadas emumconjunto de dados à parte (conjunto de testes). Além disso, visando otimizar o desempenho da solução proposta, implementamos um Algoritmo Genético para pré-selecionar as métricas de software mais informativas para cada Bad Smell emostramos que é possível diminuir o erro de classificação alémde, muitas vezes, reduzir o tamanho das regras geradas. Em comparação com ferramentas existentes para detecção de Bad Smells, mostramos indícios de que a técnica proposta apresenta vantagens.Universidade Federal de AlagoasBrasilPrograma de Pós-Graduação em Modelagem Computacional de ConhecimentoUFALCosta, Evandro de Barroshttp://lattes.cnpq.br/5760364940162939Santos Neto, Baldoíno Fonseca doshttp://lattes.cnpq.br/0306751604362704Ribeiro, Márcio de Medeiroshttp://lattes.cnpq.br/9300936571715992Brito, Patrick Henrique da Silvahttp://lattes.cnpq.br/4155051332618408Garcia, : Alessandro Fabríciohttp://lattes.cnpq.br/0807511237795775Amorim, Lucas Benevides Viana de2017-06-23T18:40:53Z2017-06-222017-06-23T18:40:53Z2014-05-05info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfAMORIM, Lucas Benevides Viana de. Um método para descoberta automática de regras para a detecção de Bad Smells. 2014. 64 f. Dissertação (Mestrado em Modelagem Computacional do Conhecimento) – Instituto de Computação, Programa de Pós Graduação em Modelagem Computacional do Conhecimento, Universidade Federal de Alagoas, Maceió, 2014.http://www.repositorio.ufal.br/handle/riufal/1757porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da Universidade Federal de Alagoas (UFAL)instname:Universidade Federal de Alagoas (UFAL)instacron:UFAL2019-01-09T21:23:26Zoai:www.repositorio.ufal.br:riufal/1757Repositório InstitucionalPUBhttp://www.repositorio.ufal.br/oai/requestri@sibi.ufal.bropendoar:2019-01-09T21:23:26Repositório Institucional da Universidade Federal de Alagoas (UFAL) - Universidade Federal de Alagoas (UFAL)false |
dc.title.none.fl_str_mv |
Um método para descoberta automática de regras para a detecção de Bad Smells A method for the automatic discovery of rules for the detection of Bad Smells |
title |
Um método para descoberta automática de regras para a detecção de Bad Smells |
spellingShingle |
Um método para descoberta automática de regras para a detecção de Bad Smells Amorim, Lucas Benevides Viana de Inteligência artificial Engenharia de software Algorítmos genéticos Artificial intelligence Software engineering Genetic algorithms CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
title_short |
Um método para descoberta automática de regras para a detecção de Bad Smells |
title_full |
Um método para descoberta automática de regras para a detecção de Bad Smells |
title_fullStr |
Um método para descoberta automática de regras para a detecção de Bad Smells |
title_full_unstemmed |
Um método para descoberta automática de regras para a detecção de Bad Smells |
title_sort |
Um método para descoberta automática de regras para a detecção de Bad Smells |
author |
Amorim, Lucas Benevides Viana de |
author_facet |
Amorim, Lucas Benevides Viana de |
author_role |
author |
dc.contributor.none.fl_str_mv |
Costa, Evandro de Barros http://lattes.cnpq.br/5760364940162939 Santos Neto, Baldoíno Fonseca dos http://lattes.cnpq.br/0306751604362704 Ribeiro, Márcio de Medeiros http://lattes.cnpq.br/9300936571715992 Brito, Patrick Henrique da Silva http://lattes.cnpq.br/4155051332618408 Garcia, : Alessandro Fabrício http://lattes.cnpq.br/0807511237795775 |
dc.contributor.author.fl_str_mv |
Amorim, Lucas Benevides Viana de |
dc.subject.por.fl_str_mv |
Inteligência artificial Engenharia de software Algorítmos genéticos Artificial intelligence Software engineering Genetic algorithms CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
topic |
Inteligência artificial Engenharia de software Algorítmos genéticos Artificial intelligence Software engineering Genetic algorithms CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
description |
One of the techniques to maintain software quality is code refactoring. But to take advantage of code refactoring, one must know where in code it must be applied. A catalog of bad smells in code has been proposed in the literature as a way to know when a certain piece of code should be refactored andwhat kind of refactoring should be applied. This catalog has been extended by other researchers. However, detecting such bad smells is far from trivial, mainly because of the lack of a precise and consensual definition of each Bad Smell. In this researchwork,we propose a solution to the problemof automatic detection of Bad Smells by means of the automatic discovery of metrics based rules. In order to evaluate the effectiveness of the technique, we used a dataset containing information on software metrics calculated for 4 open source software systems written in Java (ArgoUML, Eclipse,Mylyn and Rhino) and, by means of a Decision Tree induction algorithm, C5.0, we were capable of generating rules for the detection of the 12 Bad Smells that were analyzed in our study. Our experiments show that the generate rules performed very satisfactorily when tested against a separated test dataset. Furthermore, aiming to optimize the proposed approach, a Genetic Algorithm was implemented to preselect the most informative software metrics for each Bad Smell and we show that it is possible to reduce classification error in addition to, many times, reduce the size of the generated rules. When compared to existing Bad Smells detection tools, we show evidence that the proposed technique has advantages. |
publishDate |
2014 |
dc.date.none.fl_str_mv |
2014-05-05 2017-06-23T18:40:53Z 2017-06-22 2017-06-23T18:40:53Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
AMORIM, Lucas Benevides Viana de. Um método para descoberta automática de regras para a detecção de Bad Smells. 2014. 64 f. Dissertação (Mestrado em Modelagem Computacional do Conhecimento) – Instituto de Computação, Programa de Pós Graduação em Modelagem Computacional do Conhecimento, Universidade Federal de Alagoas, Maceió, 2014. http://www.repositorio.ufal.br/handle/riufal/1757 |
identifier_str_mv |
AMORIM, Lucas Benevides Viana de. Um método para descoberta automática de regras para a detecção de Bad Smells. 2014. 64 f. Dissertação (Mestrado em Modelagem Computacional do Conhecimento) – Instituto de Computação, Programa de Pós Graduação em Modelagem Computacional do Conhecimento, Universidade Federal de Alagoas, Maceió, 2014. |
url |
http://www.repositorio.ufal.br/handle/riufal/1757 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal de Alagoas Brasil Programa de Pós-Graduação em Modelagem Computacional de Conhecimento UFAL |
publisher.none.fl_str_mv |
Universidade Federal de Alagoas Brasil Programa de Pós-Graduação em Modelagem Computacional de Conhecimento UFAL |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Universidade Federal de Alagoas (UFAL) instname:Universidade Federal de Alagoas (UFAL) instacron:UFAL |
instname_str |
Universidade Federal de Alagoas (UFAL) |
instacron_str |
UFAL |
institution |
UFAL |
reponame_str |
Repositório Institucional da Universidade Federal de Alagoas (UFAL) |
collection |
Repositório Institucional da Universidade Federal de Alagoas (UFAL) |
repository.name.fl_str_mv |
Repositório Institucional da Universidade Federal de Alagoas (UFAL) - Universidade Federal de Alagoas (UFAL) |
repository.mail.fl_str_mv |
ri@sibi.ufal.br |
_version_ |
1748233732945346560 |