Otwarty dostęp

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
Wyszukaj tego autora
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
Wyszukaj tego autora
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
Wyszukaj tego autora
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
Wyszukaj tego autora
Sciendo|Google Scholar
Prabhakar, Siddharth
 oraz 
Obsa Amenu Jebessa

Obsa Amenu Jebessa

Department of Information Technology, Jimma Institute of TechnologyJimma, Ethiopia
Wyszukaj tego autora
Sciendo|Google Scholar
Jebessa, Obsa Amenu
  
25 mar 2025
Automatic detection of technical debt in large-scale java codebases: a multi-model deep learning methodology for enhanced software quality's Cover Image
O artykule
Poprzedni artykuł
Następny artykuł
Zacytuj
Pobierz okładkę
Kategoria artykułu: Research Article
Data publikacji: 25 mar 2025
Otrzymano: 10 sty 2025
DOI: https://doi.org/10.2478/ijssis-2025-0012
Słowa kluczowe
© 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
Język:
Angielski
Częstotliwość wydawania:
1 razy w roku
Dziedziny czasopisma:
Inżynieria, Wstępy i przeglądy, Inżynieria, inne
Kanał RSS czasopisma