Buchumschlag

Typhon: Automatic Recommendation of Relevant Code Cells in Jupyter Notebooks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ragkhitwetsagul, Chaiyong, Prasertpol, Veerakit, Ritta, Natanon, Sae-Wong, Paphon, Noraset, Thanapon, Choetkiertikul, Morakot
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Mining the Characteristics of Jupyter Notebooks in Data Science Projects
von: Choetkiertikul, Morakot, et al.
Veröffentlicht: (2023)

When is Generated Code Difficult to Comprehend? Assessing AI Agent Python Code Proficiency in the Wild
von: Temkulkiat, Nanthit, et al.
Veröffentlicht: (2026)

AILINKPREVIEWER: Enhancing Code Reviews with LLM-Powered Link Previews
von: Trakoolgerntong, Panya, et al.
Veröffentlicht: (2025)

The Impact of COVID-19 and Remote Work on Software Development in Thailand
von: Ragkhitwetsagul, Chaiyong, et al.
Veröffentlicht: (2025)

jscefr: A Framework to Evaluate the Code Proficiency for JavaScript
von: Ragkhitwetsagul, Chaiyong, et al.
Veröffentlicht: (2024)

PyGress: Tool for Analyzing the Progression of Code Proficiency in Python OSS Projects
von: Charatvaraphan, Rujiphart, et al.
Veröffentlicht: (2025)

See to Believe: Using Visualization To Motivate Updating Third-party Dependencies
von: Ragkhitwetsagul, Chaiyong, et al.
Veröffentlicht: (2024)

Exploring the SECURITY.md in the Dependency Chain: Preliminary Analysis of the PyPI Ecosystem
von: Termphaiboon, Chayanid, et al.
Veröffentlicht: (2025)

On Categorizing Open Source Software Security Vulnerability Reporting Mechanisms on GitHub
von: Kancharoendee, Sushawapak, et al.
Veröffentlicht: (2025)

Social Media Reactions to Open Source Promotions: AI-Powered GitHub Projects on Hacker News
von: Meakpaiboonwattana, Prachnachai, et al.
Veröffentlicht: (2025)

How the Misuse of a Dataset Harmed Semantic Clone Detection
von: Krinke, Jens, et al.
Veröffentlicht: (2025)

Method Names in Jupyter Notebooks: An Exploratory Study
von: Wong, Carol, et al.
Veröffentlicht: (2025)

Towards Human-interpretable Explanation in Code Clone Detection using LLM-based Post Hoc Explainer
von: Racharak, Teeradaj, et al.
Veröffentlicht: (2025)

Quantifying Competitive Relationships Among Open-Source Software Projects
von: Takei, Yuki, et al.
Veröffentlicht: (2026)

An Empirical Study of Java Code Improvements Based on Stack Overflow Answer Edits
von: Wiratsin, In-on, et al.
Veröffentlicht: (2025)

A Flexible Cell Classification for ML Projects in Jupyter Notebooks
von: Perez, Miguel, et al.
Veröffentlicht: (2024)

Understanding Feedback Mechanisms in Machine Learning Jupyter Notebooks
von: Shome, Arumoy, et al.
Veröffentlicht: (2024)

Why do Machine Learning Notebooks Crash? An Empirical Study on Public Python Jupyter Notebooks
von: Wang, Yiran, et al.
Veröffentlicht: (2024)

Test It Before You Trust It: Applying Software Testing for Trustworthy In-context Learning
von: Racharak, Teeradaj, et al.
Veröffentlicht: (2025)

Similarity-Based Assessment of Computational Reproducibility in Jupyter Notebooks
von: Hossain, A S M Shahadat, et al.
Veröffentlicht: (2025)

Observing Fine-Grained Changes in Jupyter Notebooks During Development Time
von: Titov, Sergey, et al.
Veröffentlicht: (2025)

Improving Quantum Developer Experience with Kubernetes and Jupyter Notebooks
von: Kinanen, Otso, et al.
Veröffentlicht: (2024)

JunoBench: A Benchmark Dataset of Crashes in Python Machine Learning Jupyter Notebooks
von: Wang, Yiran, et al.
Veröffentlicht: (2025)

Containing the Reproducibility Gap: Automated Repository-Level Containerization for Scholarly Jupyter Notebooks
von: Samuel, Sheeba, et al.
Veröffentlicht: (2026)

How Scientists Use Jupyter Notebooks: Goals, Quality Attributes, and Opportunities
von: Huang, Ruanqianqian, et al.
Veröffentlicht: (2025)

A Systematic Literature Review of Software Engineering Research on Jupyter Notebook
von: Siddik, Md Saeed, et al.
Veröffentlicht: (2025)

Towards Identifying Code Proficiency through the Analysis of Python Textbooks
von: Rojpaisarnkit, Ruksit, et al.
Veröffentlicht: (2024)

Characterising Bugs in Jupyter Platform
von: Tang, Yutian, et al.
Veröffentlicht: (2025)

Automatically Recommend Code Updates: Are We There Yet?
von: Liu, Yue, et al.
Veröffentlicht: (2022)

Integrating Code Metrics into Automated Documentation Generation for Computational Notebooks
von: Ghahfarokhi, Mojtaba Mostafavi, et al.
Veröffentlicht: (2026)

Human to Document, AI to Code: Comparing GenAI for Notebook Competitions
von: Settewong, Tasha, et al.
Veröffentlicht: (2025)

Exploring the Jupyter Ecosystem: An Empirical Study of Bugs and Vulnerabilities
von: Jiang, Wenyuan, et al.
Veröffentlicht: (2025)

Predicting the Understandability of Computational Notebooks through Code Metrics Analysis
von: Ghahfarokhi, Mojtaba Mostafavi, et al.
Veröffentlicht: (2024)

Contextualized Data-Wrangling Code Generation in Computational Notebooks
von: Huang, Junjie, et al.
Veröffentlicht: (2024)

CoEdPilot: Recommending Code Edits with Learned Prior Edit Relevance, Project-wise Awareness, and Interactive Nature
von: Liu, Chenyan, et al.
Veröffentlicht: (2024)

A Study of Scientific Computational Notebook Quality
von: Kashiwa, Shun, et al.
Veröffentlicht: (2026)

Are the Majority of Public Computational Notebooks Pathologically Non-Executable?
von: Nguyen, Tien, et al.
Veröffentlicht: (2025)

LeakageDetector 2.0: Analyzing Data Leakage in Jupyter-Driven Machine Learning Pipelines
von: Truong, Owen, et al.
Veröffentlicht: (2025)

Automatic Recommendations for Evolving Relational Databases Schema
von: Etien, Anne, et al.
Veröffentlicht: (2024)

Hidden Gems in the Rough: Computational Notebooks as an Uncharted Oasis for IDEs
von: Titov, Sergey, et al.
Veröffentlicht: (2024)