Application of statistical classifiers on Java source code

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21340%2F17%3A00307057" target="_blank" >RIV/68407700:21340/17:00307057 - isvavai.cz</a>

Výsledek na webu

<a href="http://link.springer.com/chapter/10.1007%2F978-3-319-46535-7_16" target="_blank" >http://link.springer.com/chapter/10.1007%2F978-3-319-46535-7_16</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-46535-7_16" target="_blank" >10.1007/978-3-319-46535-7_16</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Application of statistical classifiers on Java source code

Popis výsledku v původním jazyce

The paper deals with detection of structures in source codes employing statistical classification. To enhance source code perception by development tools like code editors, modeling tools and source code repositories, various methods of patterns classification are proposed and tested. To be able to apply classification algorithms, well-defined feature space is required. Thus, such a feature space is presented and tested. Sub-models search is carried out by a genetic algorithm to select the optimal feature space subset without deterioration of a classification system. The results show that with standard classification algorithms like k-NN or Perceptron, accuracy of 0.8 can be achieved.

Název v anglickém jazyce

Application of statistical classifiers on Java source code

Popis výsledku anglicky

The paper deals with detection of structures in source codes employing statistical classification. To enhance source code perception by development tools like code editors, modeling tools and source code repositories, various methods of patterns classification are proposed and tested. To be able to apply classification algorithms, well-defined feature space is required. Thus, such a feature space is presented and tested. Sub-models search is carried out by a genetic algorithm to select the optimal feature space subset without deterioration of a classification system. The results show that with standard classification algorithms like k-NN or Perceptron, accuracy of 0.8 can be achieved.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach<br>I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2017

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of the 2015 Federated Conference on Software Development and Object Technologies

ISBN

978-3-319-46534-0

ISSN

2194-5357

e-ISSN

—

Počet stran výsledku

11

Strana od-do

208-218

Název nakladatele

Springer International Publishing

Místo vydání

Cham

Místo konání akce

Žilina

Datum konání akce

19. 11. 2015

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000407051200016