Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/11145
Registro completo de metadados
Campo DCValorIdioma
dc.creatorRamírez, Luisa Fernanda Hernández-
dc.date.accessioned2016-05-12T19:22:26Z-
dc.date.available2016-05-12T19:22:26Z-
dc.date.issued2016-05-12-
dc.date.submitted2016-03-21-
dc.identifier.citationHERNÁNDEZ RAMÍREZ, L. F. API recommendation system in Software Engineering. 2016. 223 p. Dissertação (Mestrado em Ciência da Computação)-Universidade Federal de Lavras, Lavras, 2016.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/11145-
dc.description.abstractSoftware development depends on Application Programming Interfaces (APIs) to achieve their goals. However, choosing the right APIs remains as a difficult task for Software Engineers. In software engineering, recommendation systems are emerging to support Software Engineers in their decision-making tasks. Therefore, in this work, we proposed a methodology that considers software categories and recommends APIs to Software Engineers with software in initial (not using APIs) or advanced (using some APIs) stage of software development. We used collaborative filtering technique along with frequent Itemset mining technique for generating the corresponding large and top-N lists of APIs recommended. In the top-N lists, the goal was to find a few specific APIs that are supposed to be most useful to Software Engineers. In order to automate the methodology proposed, we developed a plug-in for the Eclipse IDE. In addition, we tested the methodology considering categories from the SourceForge open source repository. For every category, we evaluated large and top-N lists performance based on two classification accuracy metrics (precision and recall) and one efficacy metric (recall rate), obtaining promising outcomes. Thus, the results of evaluation metrics showed that our methodology could make useful API recommendations for Software Engineers with software that used a small number of APIs or did not use any API. Besides, our methodology was able to put relevant APIs even in high-ranking positions, even in small top-N lists of APIs recommended.pt_BR
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)pt_BR
dc.languageengpt_BR
dc.publisherUniversidade Federal de Lavraspt_BR
dc.rightsacesso abertopt_BR
dc.subjectAPI recommendationpt_BR
dc.subjectCollaborative filteringpt_BR
dc.subjectFrequent itemset miningpt_BR
dc.subjectEvaluation metricspt_BR
dc.subjectRecommendation systempt_BR
dc.subjectRecomendação de APIspt_BR
dc.subjectFiltragem colaborativopt_BR
dc.subjectMineração de itens mais frequentespt_BR
dc.subjectMétricas de avaliaçãopt_BR
dc.subjectSistema de recomendaçãopt_BR
dc.titleAPI recommendation system in Software Engineeringpt_BR
dc.title.alternativeSistema de recomendação de API na engenharia de softwarept_BR
dc.typedissertaçãopt_BR
dc.publisher.programPrograma de Pós-Graduação em Ciência da Computaçãopt_BR
dc.publisher.initialsUFLApt_BR
dc.publisher.countrybrasilpt_BR
dc.contributor.advisor1Costa, Heitor Augustus Xavier-
dc.contributor.referee1Valente, Marco Túlio de Oliveira-
dc.contributor.referee2Freire, André Pimenta-
dc.contributor.referee3Parreira Júnior, Paulo Afonso-
dc.description.resumoDesenvolvimento de software depende Interfaces de Programação de Aplicações (APIs - Aplication Programming Interfaces) para atingir seus objetivos. No entanto, a escolha correta dessas APIs permanece como uma tarefa difícil para Engenheiros de Software. Na Engenharia de Software, os sistemas de recomendação estão surgindo para apoiar aos Engenheiros de Software nas tarefas de tomadas de decisões. Portanto, neste trabalho foi proposta uma metodologia que considera categorias de sistemas de software e recomenda APIs para engenheiros de Software com sistemas na etapa inicial (sistemas que não usam APIs) ou na etapa avançada (sistemas que usam algumas APIs) de desenvolvimento de software. As técnicas de Filtragem Colaborativa (CF -Collaborative Filtering) e de Mineração de Itens mais Frequentes (FIS - Frequent Itemset mining) foram utilizadas para gerar as listas longas e curtas (top-N) das APIs recomendadas. Nas listas curtas (top-N), o objetivo foi encontrar um número N de APIs especificas que possivelmente seriam mais uteis para os Engenheiros de Software. Para automatizar essa metodologia proposta foi desenvolvido um plug-in para a plataforma Eclipse. Além disso, a metodologia foi testada considerando as categorias do repositório de código aberto SourceForge. Para cada categoria, foi avaliado o desempenho das listas longas e listas curtas (top-N) usando duas métricas de acurácia (precision e recall) e uma métrica de eficácia (recall rate), obtendo resultados prometedores. Esses resultados das métricas de avaliação mostraram que a metodologia conseguiu fazer recomendações de APIs uteis para os Engenheiros de Software com sistemas de software que usavam algumas APIs o que não utilizavam APIs. Do mesmo modo, a metodologia foi capaz de colocar APIs relevantes em posições altas das listas, inclusive nas listas curtas de APIs recomendadas.pt_BR
dc.publisher.departmentDepartamento de Ciência da Computaçãopt_BR
dc.subject.cnpqEngenharia de Softwarept_BR
dc.creator.Latteshttp://lattes.cnpq.br/6599600733639808pt_BR
Aparece nas coleções:Ciência da Computação - Mestrado (Dissertações)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
DISSERTAÇÃO_API recommendation system in Software Engineering.pdf2,54 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.