Investigating the effectiveness of fasttext word representation technique for assignining bug reports
Evrişimli sinir ağının etkinliğinin hata raporları atamada fasttext kelime gösterimi tekniğiile araştırılması
- Tez No: 726188
- Danışmanlar: DOÇ. DR. SHAFQAT UR REHMAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yazılım hataları genellikle yazılım yaşam döngüsü sırasında tanımlanır. Temelde insan hataları, kötü program tasarımı veya test yapılmadan erken dağıtım nedeniyle bir hata oluşturulabilir. Ancak bu hataların atanması, yazılım geliştirme sürecini potansiyel olarak ihlal edebilir. Bunun nedeni, hata raporlarını atama sürecinin genellikle manuel olmasıdır, bu da atama sürecini uzun, zor ve hatalara açık hale getirir. Hata raporlarının atanması sürecinde kullanılan zamanı ve maliyeti azaltmak için birçok sınıflandırma tekniği önerilmiştir. Ancak, bu sınıflandırma tekniklerinin performansı, veri kümesinin karmaşıklığı ve sınıf sayısı nedeniyle azalmaktadır. günümüzde derin öğrenme algoritmaları bu konuda büyük verimlilik göstermiştir. Derin öğrenme algoritmaları, karmaşık ve yapılandırılmamış veri kümelerinde daha iyi sonuçlar verir. Verileri anlamak ve daha iyi sınıflandırma sonuçları elde etmek için metin verilerini sayısal değerlere dönüştürmek önemlidir. Genellikle klasik kelime temsil yöntemleri, metin verilerinin anlamsal ve sözdizimsel anlamını yakalamada düşük performans gösterir. Araştırmamızda, Convolution sinir ağı (CNN) ile kelime temsil tekniği olarak FastText kullanan bir model öneriyoruz. FastText, kelime analojileri, anlamsal ve sözdizimsel vb. gibi metnin önemli bilgilerini yakalar. Önerilen modelimiz farklı veri setleri üzerinde test edilmiş ve Top-K geliştirici doğruluklarını vermiştir. Modelimiz geçmiş araştırmalarla karşılaştırıldığında daha iyi sonuçlar vermektedir.
Özet (Çeviri)
Software bugs are commonly encountered during the software life cycle. A bug can be generated mainly due to human errors, poor program design or early deployment without testing. The assignment of these bugs however can become a potential breach in the process of software development. It is because the process of assigning bug reports is generally manual, which makes the assignment process lengthy, difficult, and prone to errors. To decrease the time and cost consumed in the task of assigning bug reports many classification approaches have been proposed. However, the performance of these classification techniques decreases with due to complexity of the dataset and number of classes. Recently deep learning algorithms have demonstrated great efficiency in this matter. Deep learning algorithms show good results on complex and unstructured datasets. To understand the data and get better classification results conversion of text data to meaningful numerical values is important. Generally, the classical word representation methods show low performance in capturing the semantic and syntactic sense of text data. In our research we propose FastText embedding as word representation technique with Convolutional Neural Network (CNN). FastText captures important information of the text such as word analogies, semantic and syntactic etc. Our proposed model is tested on different dataset and yields Top-K developer accuracies. When compared to past research our model gives improved results.
Benzer Tezler
- An investigation of the performance of text mining-based text representation and classification methods on different datasets
Farklı veri kümeleri üzerinde metin madenciliği tabanlı metin temsili ve sınıflandırma yöntemlerinin performansının incelenmesi
ABDULKERİM BEKAR
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiVeri Mühendisliği ve İş Analitiği Ana Bilim Dalı (disiplinlerarası)
DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN
- Konuşmadan rapora: Adli otopsi raporu için makine öğrenimi destekli konuşmayı metne uyarlamak
From speech to report: Tailoring machine learning-powered speech-to-text for the forensic autopsy report
SERHAT ERDOĞAN
Yüksek Lisans
Türkçe
2024
Adli TıpAnkara ÜniversitesiAdli Bilimler Ana Bilim Dalı (disiplinlerarası)
PROF. DR. NERGİS CANTÜRK
DOÇ. DR. SİNAN TOKLU
- İş zekası ve duygu analizi: Sakarya merkezli sosyal medya verilerinin doğal dil işleme yaklaşımlarıyla incelenmesi
Business intelligence and sentiment analysis: Examining Sakarya-centric social media data through natural language processing approaches
FURKAN SARAÇOĞLU
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL HAKKI CEDİMOĞLU
- Investigating the effectiveness of bot concession contracts in airports in Turkey
Başlık çevirisi yok
HALİL BURAK BAYRAM
- Investigating the effectiveness of a mobile device supported learning environment on English preparatory school students' vocabulary acquisiton
Bir mobil destekli öğrenme ortamının İngilizce hazırlık öğrencilerinin kelime bilgisi edinimine etkisinin incelenmesi
ŞENOL BAKAY
Doktora
İngilizce
2017
Eğitim ve ÖğretimOrta Doğu Teknik ÜniversitesiBilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı
DOÇ. DR. ÖMER DELİALİOĞLU
DOÇ. DR. PERİHAN SAVAŞ