Utilizando Topic Modeling para buscar términos relacionados

Abstract

Es bastante frecuente encontrar estudios sobre la aplicación de modelos de aprendizaje automático en el ciclo de vida del desarrollo software, basadas en los textos de su código fuente y cuyo fin es obtener información sobre el producto. Estos textos están alojados en repositorios de software u otros sistemas de almacenamiento, siendo una de las mayores fuentes de información y estudio para la Ingeniería de Software, pero con un tamaño de datos en crecimiento constante. Resulta necesario el uso de estos modelos de aprendizaje para su procesamiento, obtención de información y generación de nuevos conocimientos. El objetivo del proyecto es implementar una herramienta que utilice la técnica Topic Modeling para el análisis de texto de código de software y realizar búsquedas de términos relacionados se proporcionan como consulta. El desarrollo del proyecto incluye, qué es la técnica aplicada, un algoritmo basado en ella, una librería que implementa el algoritmo y el desarrollo de la herramienta. El resultado del proyecto es una herramienta creada como plug-in de Eclipse, que aplica Topic Modeling, utiliza como entrada software especificado (código fuente o modelos software) y una consulta con términos. Como salida genera topics y la relación con la consulta especificada. Para la gestión del proyecto se emplea la metodología ágil Scrum porque se valora la respuesta rápida a cambios, participación del cliente y prototipos en constante evolución.

It is quite common to find studies on the application of machine learning models in the development software life cycle, based on the texts of its source code and whose purpose is to obtain information about the product. These texts are housed in software repositories or other storage systems, being one of the largest sources of information and study for Software Engineering, but with a constantly growing data size. The use of these learning models is necessary for their processing, obtaining information and generating new knowledge. The goal of the project is to implement a tool that uses the Topic Modeling technique for text analysis of software code and searching for related terms are provided as a query. The development of the project includes, what is the applied technique, an algorithm based on it, a library that implements the algorithm and the development of the tool. The result of the project is a tool created as an Eclipse plug-in, which Topic Modeling applies, using specified software (source code or software models) and a query with terms as input. As output, it generates topics and the relation with the specified query. For the project management, the agile Scrum methodology is used because the rapid response to changes, customer participation and constantly evolving prototypes are valued.