Eski Sistemlerde Alana Özgü Hizmet Ayrıştırmasını Belirlemek İçin Makine Öğreniminden ve Transformatörlerden Yararlanma

Abstract

Son yıllarda oldukça popüler hale gelen yazılım mimarilerden biri olan servis odaklı mimari monolit sistemlere göre daha küçük ve bağımsız alana özgü hizmetlerden oluştuğundan ölçeklenebilirlik, izolasyon ve esnek yapıya sahiptir. Bu nedenle milyonlarca kullanıcıya sahip büyük ölçekli uygulamaların kolay yönetilebilir, ölçeklenbilir ve esnek bir yapıya sahip olması için monolitk tek parçalı sistemlerden servis odaklı mimarilere geçiş yaygınlaşmaktadır. Bu çalışmada, tek parçalı eski sistemleri alana-özgü hizmetlere ayrıştırmak için statik kaynak kod analizi yapılarak çeşitli makine öğrenimi modelleri ve farklı tokenleştirme yöntemlerinin etkinliği değerlendirilmektedir. Standart makine öğrenimi algoritmaları ve dönüştürücü tabanlı tokenleştiriciler FXML-POS eski sistemine uygulanmıştır ve model performansı hassasiyet, geri çağırma, doğruluk ve F1 puanları kullanarak değerlendirilmiştir. Deneysel sonuçlar, tüm transformatör modellerinin Rastgele Orman ve Lojistik Regresyon sınıflandırıcılarını kullanarak %91,9'luk bir F1 puanı ile güçlü bir performans elde ettiğini göstermektedir. Ayrıca, Word2Vec vektörleştirme yönteminin çoğu senaryoda TF-IDF'den daha iyi performans gösterdiği ve Rastgele Orman Sınıflandırıcısı kullanılarak %97,2'lik maksimum bir F1 puanı elde edildiği deneysel sonuçlarda görülmüştür. Bu sonuçlar, alan-özgü hizmet bileşenlerinin doğru bir şekilde tanımlanmasında gelişmiş yerleştirme tekniklerinin ve sınıflandırıcıların yararlılığını vurgulamaktadır