This paper presents CodeRAnts, a new recommendation method based on a collaborative searching technique and inspired on the ant colony metaphor. This method aims to fill the gap in the current state of the matter regarding recommender systems for software reuse, for which prior works present two problems. The first is that, recommender systems based on these works cannot learn from the collaboration of programmers and second, outcomes of assessments carried out on these systems present low precision measures and recall and in some of these systems, these metrics have not been evaluated. The work presented in this paper contributes a recommendation method, which solves these problems. Keywords:Recommender Systems on Software Engineering, recommendation method based on collaborative searching, software reuse, open source software, ant colony. RESUMENEste artículo presenta CodeRAnts: un nuevo método de recomendación basado en la técnica de búsqueda colaborativa e inspirada en la metáfora de la colonia de hormigas. Este método es propuesto con el objetivo de llenar el vacío en el estado del arte en cuanto a los sistemas de recomendación diseñados para reutilizar software, cuyos trabajos previos presentan dos problemas. El primero, es que los sistemas de recomendación basados en esos trabajos no pueden aprender de la colaboración de los programadores, y segundo, que los resultados de las pruebas realizados sobre estos sistemas presentan medidas bajas de precisión y remembranza, incluso, en algunos de estos sistemas no se hizo una evaluación de estas métricas. La contribución de este trabajo es un método de recomendación que resuelva dichos problemas.Palabras clave: Sistemas de recomendación para ingeniería de software, método de recomendación basado en la búsqueda colaborativa, reutilización de software, software de fuente abierta y colonia de hormigas.

No abstract

No abstract

Toward the highest effectiveness in text description-based service retrieval.ABSTRACT. In this paper, we address the problem of retrieving services which fulfil users' need expressed in query in free text. We aim to deal with term mismatch problems which affect the effectiveness of Information Retrieval (IR) models applied in prior research on text descriptionsbased service retrieval. These problems are caused due to service descriptions are brief. Service providers use few terms to describe services, hence, when these descriptions are different to the sentences in queries, term mismatch problems decrease the effectiveness in classical models which depend on the observable text features instead of the latent semantic features of the text. In this work, we apply a family of IR models for the purpose of contributing to increase the effectiveness acquired with the models applied in prior research on service retrieval. To the best of our knowledge, these models have not been applied before in the service retrieval domain. Besides, we have conducted systematic experiments to compare the IR models of this family with those used in the state-of-the-art in service retrieval. From the results of the experiments, we conclude that the IR model of this family, which is based on query expansion via a co-occurrence thesaurus outperforms the effectiveness of all the models studied in this work. Therefore, we have implemented this model in a text description-based service search engine, which is part of a system designed to provide nomad users with services that fulfil users' needs expressed in query in free text.RÉSUMÉ. Dans cet article, nous abordons le problème de la recherche des services qui répondent aux besoins des utilisateurs exprimé de requêtes en texte libre. Nous visons à faire face aux problèmes d'inadéquation de termes qui affectent l'efficacité des modèles existant de Recherche d'Information (RI) appliqués découverte de services basée sur des descriptions textuelles. Ces problèmes sont dus à la brièveté des descriptions des services. Les fournisseurs n'utilisent que quelques mots pour décrire les services qu'ils exposent. Il s'en suit que lorsque ces descriptions sont différentes des phrases données dans les requêtes, les problèmes d'inadéquation de terme diminuent l'efficacité des modèles classiques. En effet, ces derniers dépendent du texte observable et non de la sémantique du texte.Document numérique -n o /, 1-?? 2 DN. Volume -n o / Dans ce travail, nous proposons une famille de modèles de RI dans le but d'accroître leur efficacité. Au meilleur de notre connaissance, ces modèles ne sont pas été appliqués dans le domaine de la recherche de services. En outre, nous avons mené des expériences systématiques de comparer les modèles de cette famille avec ceux utilisés dans l'état de l'art. D'après les résultats de ces expériences, nous concluons que le modèle de RI de cette famille, qui est basé sur l'extension des requêtes via un thésaurus de co-occurrence a une meilleure efficacité que tous les autres étudiés. Par...