چکیده مقاله
افزایش پیچیدگی و حجم سیستم های نرم افزاری موجب شده است که مدیریت باگ ها و خطاها به یکی از چالش های اساسی در توسعه نرم افزار تبدیل شود این پژوهش با هدف ارائه یک مدل ترکیبی هوشمند برای تشخیص و اولویت بندی باگ های نرم افزاری انجام شد مدل پیشنهادی با بهره گیری همزمان از داده های تاریخی پروژه ها و توانایی های مدل های زبانی بزرگ LLM طراحی گردید تا فرآیند شناسایی باگ ها دقیق تر، سریع تر و هوشمندانه تر شود در این مطالعه، داده های تاریخی شامل گزارش های خطا، تغییرات کد و مستندات توسعه مورد تحلیل آماری و پیش پردازش قرار گرفت و سپس LLMها با تحلیل متون گزارش ها و توضیحات کد، روابط پیچیده و الگوهای پنهان میان باگ ها را استخراج کردند نتایج نشان داد که مدل ترکیبی قادر است باگ ها را با دقت بالا شناسایی و بر اساس شدت، احتمال وقوع و تاثیر بر عملکرد سیستم اولویت بندی کند این اولویت بندی هوشمند موجب بهینه سازی تخصیص منابع، کاهش زمان و هزینه توسعه و بهبود کیفیت و امنیت نرم افزار می شود همچنین، قابلیت یادگیری مستمر مدل امکان بهبود پیش بینی ها در پروژه های آتی و ارائه بازخورد هوشمند به تیم توسعه را فراهم می کند پژوهش حاضر نشان می دهد که ترکیب داده های تاریخی با توانایی های LLM، چارچوبی عملی و قابل اتکا برای مدیریت هوشمند باگ ها ارائه می دهد و می تواند به افزایش پایداری، کیفیت و قابلیت اطمینان نرم افزارها در محیط های پیچیده کمک شایانی نماید کلمات کلیدی:
کلیدواژه‌ها
نویسندگان
مرضیه شب خوان
نویسنده اول
شیوه ارجاع
�ب خوان، مرضیه،1404،ارائه یک مدل ترکیبی هوشمند برای تشخیص و اولویت بندی باگ های نرم افزاری با بهره گیری از LLMs و داده های تاریخی پروژه،سومین همایش بین المللی فناوری های هوشمند در عرصه علوم تربیتی، روانشناسی، مشاوره ، فلسفه
ارائه‌شده در
مجموعه مقالات سومین همایش بین المللی فناوری های هوشمند در عرصه علوم تربیتی، روانشناسی، مشاوره ، فلسفه28 مهر 1404