W zależności od ilości danych do przetworzenia generowanie pliku może się wydłużyć.

Jeśli generowanie trwa zbyt długo można ograniczyć dane np. zmniejszając zakres lat.

Artykuł

Pobierz BibTeX

Tytuł

Deep learning model for end-to-end approximation of COSMIC functional size based on use-case names

Autorzy

[ 1 ] Instytut Informatyki, Wydział Informatyki i Telekomunikacji, Politechnika Poznańska | [ P ] pracownik

Dyscyplina naukowa (Ustawa 2.0)

[2.3] Informatyka techniczna i telekomunikacja

Rok publikacji

2020

Opublikowano w

Information and Software Technology

Rocznik: 2020 | Tom: vol. 123

Typ artykułu

artykuł naukowy

Język publikacji

angielski

Słowa kluczowe
EN
  • functional size approximation
  • approximate software sizing methods
  • COSMIC
  • deep learning
  • word embeddings
  • use cases
Data udostępnienia online

18.03.2020

Strony (od-do)

106310-1 - 106310 -14

DOI

10.1016/j.infsof.2020.106310

URL

https://www.sciencedirect.com/science/article/abs/pii/S0950584920300628?via%3Dihub

Uwagi

Article: 106310

Punktacja Ministerstwa / czasopismo

140

Punktacja Ministerstwa / czasopismo w ewaluacji 2017-2021

140

Impact Factor

2,73

Ta strona używa plików Cookies, w celu zapamiętania uwierzytelnionej sesji użytkownika. Aby dowiedzieć się więcej przeczytaj o plikach Cookies i Polityce Prywatności.