Uneingeschränkter Zugang

Automatic detection of technical debt in large-scale java codebases: a multi-model deep learning methodology for enhanced software quality

Pooja Bagane

Pooja Bagane

Department of Computer Science and Engineering, Symbiosis Institute of Technology-Pune Campus, Symbiosis International (Deemed University)Pune, India
Suche nach diesem Autor auf
Sciendo|Google Scholar
Bagane, Pooja
, 
Chahak Sengar

Chahak Sengar

Department of Computer Science and Engineering, Symbiosis Institute of Technology-Pune Campus, Symbiosis International (Deemed University)Pune, India
Suche nach diesem Autor auf
Sciendo|Google Scholar
Sengar, Chahak
, 
Sumedh Dongre

Sumedh Dongre

Department of Computer Science and Engineering, Symbiosis Institute of Technology-Pune Campus, Symbiosis International (Deemed University)Pune, India
Suche nach diesem Autor auf
Sciendo|Google Scholar
Dongre, Sumedh
, 
Siddharth Prabhakar

Siddharth Prabhakar

Department of Computer Science and Engineering, Symbiosis Institute of Technology-Pune Campus, Symbiosis International (Deemed University)Pune, India
Suche nach diesem Autor auf
Sciendo|Google Scholar
Prabhakar, Siddharth
 und 
Obsa Amenu Jebessa

Obsa Amenu Jebessa

Department of Information Technology, Jimma Institute of TechnologyJimma, Ethiopia
Suche nach diesem Autor auf
Sciendo|Google Scholar
Jebessa, Obsa Amenu
  
25. März 2025
Automatic detection of technical debt in large-scale java codebases: a multi-model deep learning methodology for enhanced software quality's Cover Image
Über diesen Artikel
Vorheriger Artikel
Nächster Artikel
Zitieren
COVER HERUNTERLADEN
Artikel-Kategorie: Research Article
Online veröffentlicht: 25. März 2025
Eingereicht: 10. Jan. 2025
DOI: https://doi.org/10.2478/ijssis-2025-0012
Schlüsselwörter
© 2025 Dr. Pooja Bagane et al., published by Sciendo
This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Figure 1:

TD prediction workflow. TD, technical debt.
TD prediction workflow. TD, technical debt.

Figure 2:

Frontend interface of the project. TD, technical debt.
Frontend interface of the project. TD, technical debt.

Comparison of validation metrics

Model MSE RMSE
LSTM 0.003357 0.057947
GRU 0.005403 0.073505
RF regressor 0.006093 0.078061
GB regressor 0.007900 0.08888
Sprache:
Englisch
Zeitrahmen der Veröffentlichung:
1 Hefte pro Jahr
Fachgebiete der Zeitschrift:
Technik, Einführungen und Gesamtdarstellungen, Technik, andere
Zeitschrift RSS Feed