Recommendation Systems in Software Engineering

با رشد فروشگاه‌های داده عمومی و خصوصی و ظهور فناوری داده‌کاوی خارج از قفسه، سیستم‌های توصیه‌ای پدید آمده‌اند که به طور خاص چالش‌های منحصربه‌فرد ناوبری و تفسیر داده‌های مهندسی نرم‌افزار را برطرف می‌کنند.

این کتاب دانش را در مورد سیستم های توصیه در مهندسی نرم افزار جمع آوری، ساختار و رسمی می کند. این یک رویکرد عمل گرایانه با تمرکز آشکار بر طراحی، پیاده سازی و ارزیابی سیستم اتخاذ می کند. این کتاب به سه بخش تقسیم می‌شود: «قسمت اول – تکنیک‌ها» اصولی را برای ایجاد توصیه‌کننده در مهندسی نرم‌افزار، از جمله تکنیک‌هایی برای جمع‌آوری و پردازش داده‌های مهندسی نرم‌افزار، و همچنین برای ارائه توصیه‌ها به کاربران به عنوان بخشی از گردش کار، معرفی می‌کند. "بخش دوم - ارزیابی" روش ها و طرح های تجربی برای ارزیابی توصیه ها در مهندسی نرم افزار را خلاصه می کند. "قسمت سوم - برنامه ها" نیازها، مسائل و مفاهیم راه حلی را که در کل سیستم های توصیه برای وظایف خاص مهندسی نرم افزار دخیل هستند، با تمرکز بر بینش های مهندسی مورد نیاز برای ارائه توصیه های موثر توصیف می کند. این کتاب با صفحه وب rsse.org/book تکمیل شده است که شامل مطالب تکمیلی رایگان برای خوانندگان این کتاب و هر کسی که علاقه مند به سیستم های توصیه در مهندسی نرم افزار است، از جمله اسلایدهای سخنرانی، مجموعه داده ها، کد منبع، و مروری بر افراد، گروه ها می باشد. ، مقالات و ابزارهای مربوط به سیستم های توصیه در مهندسی نرم افزار.

این کتاب به ویژه برای دانشجویان فارغ التحصیل و محققانی که سیستم های توصیه جدیدی را برای برنامه های کاربردی مهندسی نرم افزار یا سایر زمینه های با فناوری پیشرفته ایجاد می کنند، مناسب است. همچنین ممکن است به عنوان پایه ای برای دوره های تحصیلات تکمیلی در مورد سیستم های توصیه، داده کاوی کاربردی یا مهندسی نرم افزار باشد. متخصصان مهندسی نرم‌افزار که سیستم‌های توصیه یا برنامه‌های مشابه با عملکرد پیش‌بینی را توسعه می‌دهند نیز از طیف وسیعی از موضوعات تحت پوشش بهره خواهند برد.

With the growth of public and private data stores and the emergence of off-the-shelf data-mining technology, recommendation systems have emerged that specifically address the unique challenges of navigating and interpreting software engineering data.

This book collects, structures and formalizes knowledge on recommendation systems in software engineering. It adopts a pragmatic approach with an explicit focus on system design, implementation, and evaluation. The book is divided into three parts: “Part I – Techniques” introduces basics for building recommenders in software engineering, including techniques for collecting and processing software engineering data, but also for presenting recommendations to users as part of their workflow. “Part II – Evaluation” summarizes methods and experimental designs for evaluating recommendations in software engineering. “Part III – Applications” describes needs, issues and solution concepts involved in entire recommendation systems for specific software engineering tasks, focusing on the engineering insights required to make effective recommendations. The book is complemented by the webpage rsse.org/book, which includes free supplemental materials for readers of this book and anyone interested in recommendation systems in software engineering, including lecture slides, data sets, source code, and an overview of people, groups, papers and tools with regard to recommendation systems in software engineering.

The book is particularly well-suited for graduate students and researchers building new recommendation systems for software engineering applications or in other high-tech fields. It may also serve as the basis for graduate courses on recommendation systems, applied data mining or software engineering. Software engineering practitioners developing recommendation systems or similar applications with predictive functionality will also benefit from the broad spectrum of topics covered.