MétaCan
Menu
Retour à la cohorte
Enregistrement W2090643237 · doi:10.1142/s0218194006002768

GENERALIZATION AND INSTANTIATION FOR COMPONENT REUSE

2006· article· en· W2090643237 sur OpenAlexaff
Samira Sadaoui, Pengzhou Yin

Notice bibliographique

RevueInternational Journal of Software Engineering and Knowledge Engineering · 2006
Typearticle
Langueen
DomaineComputer Science
ThématiqueLogic, programming, and type systems
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésGeneralizationComputer scienceReuseAbstractionComponent (thermodynamics)ReusabilityGeneralityComponent-based software engineeringSoftware engineeringClass (philosophy)Programming languageTheoretical computer scienceSoftware developmentSoftwareArtificial intelligenceMathematicsEngineering

Résumé

récupéré en direct d'OpenAlex

There is an increasing need for high-quality software components. Reusable components and formal specifications are two complementary and promising approaches to achieve this goal. One method for enhancing the reusability of existing components is generalization that creates generic components by parameterizing specific ones. Generalization and instantiation are two methods related respectively to the development for reuse and development with reuse. Generalization, that is the abstraction of existing components, identifies commonalities across a class of entities, while instantiation customizes the general properties under different circumstances. In this paper, we present several generalization and instantiation algorithms for algebraic specifications. A major difficulty during the generalization process is determining the appropriate level of generality. Highly specific components have little chance of being reused. Meanwhile, if a component is too general, its reuse might also be hard. Therefore, we introduce a novel method based on the categorized constructors to control the level of abstraction in generic components with the goal of producing effective reusable components. Through a medium-scale example, the generalization and instantiation operations are illustrated in detail.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,004
Communication savante0,0020,006
Science ouverte0,0010,004
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,009
Tête enseignante GPT0,222
Écart entre enseignants0,213 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Software Engineering and Knowledge EngineeringMême sujetLogic, programming, and type systemsTravaux en français237 207