José Raúl Romero Salguero , Rafael Barbudo Lunar, Aurora Ramírez Quesada , Francisco Servant
La adopción de buenas prácticas es fundamental para conseguir código de calidad, elegante, comprensible y mantenible. Sin embargo, con el tiempo, tanto código como documentación se degradan. Para ello, la detección automática de patrones de diseño es un área prominente de investigación en ingeniería inversa, que persigue comprender las decisiones de diseño originales, as+AO0 como ayudar a redocumentar y recuperar código disperso en un repositorio de software. Son varias las propuestas hasta el momento, mayoritariamente basadas en similitudes o métodos formales. Estas técnicas resultan rígidas en la búsqueda, ya que la codificación de un patrón puede variar según cada equipo de desarrollo. Por ello, surgieron las propuestas basadas en aprendizaje automático. Recientemente GEML se propuso como un método basado en clasificación asociativa y programación genética gramatical, que aprende la forma de estos patrones con el objetivo de aportar flexibilidad, interpretabilidad y precisión en la detección. Este trabajo analiza las características de GEML que influyen en su aplicabilidad práctica por el ingeniero software, comparándolo además con herramientas de referencia en el área.
© 2008-2024 Fundación Dialnet · Todos los derechos reservados