<div class="csl-bib-body">
<div class="csl-entry">Störchle, S. (2020). <i>Source-Code-Gruppierung mittels Machine Learning für die automatische Identifizierung einer Software-Architektur</i> [Diploma Thesis, Technische Universität Wien]. reposiTUm. https://doi.org/10.34726/hss.2020.74761</div>
</div>
-
dc.identifier.uri
https://doi.org/10.34726/hss.2020.74761
-
dc.identifier.uri
http://hdl.handle.net/20.500.12708/1213
-
dc.description.abstract
Das Einarbeiten in Softwareprojekte ist mit sehr hohem Aufwand verbunden. Einen wichtigen Aspekt, um sich in einem Softwareprojekt zurecht zu finden, bildet die projektbezogene Softwarearchitektur. Die Motivation, diese Diplomarbeit zu verfassen, war ein Hilfswerkzeug anzubieten, welches Aufschlüsse über die projektbezogene Softwarearchitektur bereitstellt, um so das Verständnis über die projektbezogene Softwarearchitektur zu fördern. Dies soll die Einarbeitungsphase in ein Softwareprojekt effizienter gestalten. In dieser Arbeit wird ein Programm vorgestellt, welches automatisiert durch die Angaben der Quelltextdateien und der Programmiersprache des Softwareprojektes, die projektbezogene Softwarearchitektur ableitet. Dabei befasst sich diese Arbeit konkret mit dem Entwurf, der Implementierung und der Evaluierung der Ergebnisse dieses Programmes. Auf Basis einer Literaturrecherche werden mittels einer Anforderungsanalyse die Anforderungen an die Applikation definiert. Die Implementierung dieses Programmes wurde mit einem iterativen Entwicklungsmodell durchgeführt. Dabei wurde schrittweise die Entwicklung der Applikation optimiert und erweitert, bis das Programm alle Anforderungen der Zielsetzung erfüllen konnte. Die Evaluierung wurde mittels einer Befragung von fachkundigen Personen aus dem Bereich des Software Engineering durchgeführt. Bei der Evaluierung konnte sowohl die Sinnhaftigkeit des Ansatzes dieser Diplomarbeit validiert werden, als auch Evidenz geliefert werden, dass der Cluster-Algorithmus die Quelltextdateien ähnlich zuordnet wie fachkundige Personen aus dem Bereich des Software Engineering. Durch die Resultate der prototypischen Implementierung dieser Diplomarbeit kann das Verständnis der projektbezogenen Softwarearchitektur verbessert werden.
de
dc.description.abstract
The incorporation of software developers in software projects takes a lot of effort. An important aspect of working on a software project is the knowledge about the project-related software architecture. The motivation to write this thesis was to provide a tool for software developers, which learns the project-related software architecture and helps developers to get started more efficiently. This work presents a program which uses the source code files and the programming language as an input and derives the project-related software architecture. This work deals specifically with the design, the implementation and the evaluation of the results of this application. A requirement analysis based on a literature search is used to define and analyze the requirements of this program. The whole application was developed with an iterative development model. The development of the program was gradually optimized and expanded until the program fulfilled all the requirements of the predefined goals. The evaluation took place as a survey of experts. The meaningfulness of the approach of this thesis got validated as well as the evidence that the cluster algorithm assigns the source code files in a similar way as the experts. Due to the results of the prototypical implementation of this thesis the comprehension of the project-related software architecture can be improved.
en
dc.language
Deutsch
-
dc.language.iso
de
-
dc.rights.uri
http://rightsstatements.org/vocab/InC/1.0/
-
dc.subject
Software maintenance
de
dc.subject
Software architecture
de
dc.subject
Clustering methods
de
dc.subject
Software maintenance
en
dc.subject
Software architecture
en
dc.subject
Clustering methods
en
dc.title
Source-Code-Gruppierung mittels Machine Learning für die automatische Identifizierung einer Software-Architektur
de
dc.title.alternative
Source code grouping using machine learning for the automatic identification of a software architecture
en
dc.type
Thesis
en
dc.type
Hochschulschrift
de
dc.rights.license
In Copyright
en
dc.rights.license
Urheberrechtsschutz
de
dc.identifier.doi
10.34726/hss.2020.74761
-
dc.contributor.affiliation
TU Wien, Österreich
-
dc.rights.holder
Sebastian Störchle
-
dc.publisher.place
Wien
-
tuw.version
vor
-
tuw.thesisinformation
Technische Universität Wien
-
tuw.publication.orgunit
E194 - Institut für Information Systems Engineering