| ชื่อบทความที่เผยแพร่ |
Python Code Smell Detection Using Machine Learning |
| วัน/เดือน/ปี ที่เผยแพร่ |
22 ธันวาคม 2565 |
| การประชุม |
| ชื่อการประชุม |
THE 26th INTERNATIONAL COMPUTER SCIENCE AND ENGINEERING CONFERENCE 2022 |
| หน่วยงาน/องค์กรที่จัดประชุม |
Faculty of Science and Engineering Kasetsart University, Chalermphrakiat Sakon Nakhon Province Campus |
| สถานที่จัดประชุม |
Kasetsart University, Chalermphrakiat Sakon Nakhon Province Campus |
| จังหวัด/รัฐ |
Sakon Nakhon Province |
| ช่วงวันที่จัดประชุม |
21 ธันวาคม 2565 |
| ถึง |
23 ธันวาคม 2565 |
| Proceeding Paper |
| Volume (ปีที่) |
2022 |
| Issue (เล่มที่) |
1 |
| หน้าที่พิมพ์ |
128-133 |
| Editors/edition/publisher |
IEEE Xplore |
| บทคัดย่อ |
Python is an increasingly popular programming language used in various software projects and domains. Code smells in Python significantly influences the maintainability, understandability, testability issues. This paper proposes a machine learning-based code smell detection for Python programs. We trained eight machine learning models with a dataset based on 115 open-source Python projects, 39 class-level software metrics, and 22 function-level software metrics. We intended to identify five code smell types in both class and function levels, i.e., long method, long parameter list, large class long scope chaining, and long based class list. Correlation-based feature selection (CFS) and logistic regression-forward stepwise (conditional) selection were employed to improve the performance of the model. This research concluded with an empirical evaluation of the performance of the machine learning approaches against the tuning machine method. The results show that the machine learning method achieved 99.72% accuracy when identifying long method and long base class list. The machine learning-based code smell detection also outperformed the tuning machine method. Moreover, we also found a set of high-impact features that contributed most when identifying each type of code smell. |
| ผู้เขียน |
|
| การประเมินบทความ (Peer Review) |
มีผู้ประเมินอิสระ |
| มีการเผยแพร่ในระดับ |
นานาชาติ |
| รูปแบบ Proceeding |
Full paper |
| รูปแบบการนำเสนอ |
Oral |
| เป็นส่วนหนึ่งของวิทยานิพนธ์ |
เป็น |
| ผลงานที่นำเสนอได้รับรางวัล |
ไม่ได้รับรางวัล |
| แนบไฟล์ |
|
| Citation |
0
|
|
|
ข้อมูลการเผยแพร่ผลงาน
การเผยแพร่ในรูปของบทความวารสารทางวิชาการ
English