Buchumschlag

Analyzing Dependency Distribution Changes Arising from Code Smell Interactions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Zushuai, Wen, Elliott, Tempero, Ewan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

The Influence of Code Smells in Efferent Neighbors on Class Stability
von: Zhang, Zushuai, et al.
Veröffentlicht: (2026)

Can LLMs Produce Better Object-Oriented Designs than Human-Involved Development?
von: Zhang, Zushuai, et al.
Veröffentlicht: (2026)

Making Software Metrics Useful
von: Tempero, Ewan, et al.
Veröffentlicht: (2026)

Towards Quantifying Requirements Technical Debt for Software Requirements concerning Veracity: A Perspective and Research Roadmap
von: Perera, Judith, et al.
Veröffentlicht: (2024)

A Novel Taxonomy and Classification Scheme for Code Smell Interactions
von: Gupta, Ruchin, et al.
Veröffentlicht: (2025)

Smells Depend on the Context: An Interview Study of Issue Tracking Problems and Smells in Practice
von: Montgomery, Lloyd, et al.
Veröffentlicht: (2026)

An Empirical Study of Interaction Smells in Multi-Turn Human-LLM Collaborative Code Generation
von: Zhang, Binquan, et al.
Veröffentlicht: (2026)

An Event-Driven Tool for Context-Aware Code Smell Detection Using SmellDSL
von: Viegas, Matheus dos Santos, et al.
Veröffentlicht: (2026)

A Code Smell Refactoring Approach using GNNs
von: Zhang, HanYu, et al.
Veröffentlicht: (2025)

Towards Automated Detection of Inline Code Comment Smells
von: Oztas, Ipek, et al.
Veröffentlicht: (2025)

Empirical Characterization of Logging Smells in Machine Learning Code
von: Foalem, Patrick Loic, et al.
Veröffentlicht: (2026)

Empirical Characterization of Logging Smells in Machine Learning Code
von: Foalem, Patrick Loic, et al.
Veröffentlicht: (2026)

An Empirical Evaluation of Code Smell Detection in Angular Applications
von: Nunes, Maykon, et al.
Veröffentlicht: (2026)

SACS: A Code Smell Dataset using Semi-automatic Generation Approach
von: Zhang, Hanyu, et al.
Veröffentlicht: (2026)

On the Prevalence, Evolution, and Impact of Code Smells in Simulation Modelling Software
von: Mahbub, Riasat, et al.
Veröffentlicht: (2024)

Copy-and-Paste? Identifying EVM-Inequivalent Code Smells in Multi-chain Reuse Contracts
von: Wang, Zexu, et al.
Veröffentlicht: (2025)

Prompt Learning for Multi-Label Code Smell Detection: A Promising Approach
von: Liu, Haiyang, et al.
Veröffentlicht: (2024)

Specification and Detection of LLM Code Smells
von: Mahmoudi, Brahim, et al.
Veröffentlicht: (2025)

Investigating The Smells of LLM Generated Code
von: Paul, Debalina Ghosh, et al.
Veröffentlicht: (2025)

Clean Code, Better Models: Enhancing LLM Performance with Smell-Cleaned Dataset
von: Xue, Zhipeng, et al.
Veröffentlicht: (2025)

Code Smells in Clojure: Initial Findings from a Grey Literature Review
von: Araújo, Walber, et al.
Veröffentlicht: (2026)

A Comprehensive Evaluation of Parameter-Efficient Fine-Tuning on Code Smell Detection
von: Zhang, Beiqi, et al.
Veröffentlicht: (2024)

Your Build Scripts Stink: The State of Code Smells in Build Scripts
von: Tamanna, Mahzabin, et al.
Veröffentlicht: (2025)

Data Preparation for Deep Learning based Code Smell Detection: A Systematic Literature Review
von: Zhang, Fengji, et al.
Veröffentlicht: (2024)

When Code Smells Meet ML: On the Lifecycle of ML-specific Code Smells in ML-enabled Systems
von: Recupito, Gilberto, et al.
Veröffentlicht: (2024)

ML Code Smells: From Specification to Detection
von: Mahmoudi, Brahim, et al.
Veröffentlicht: (2025)

A Causal Perspective on Measuring, Explaining and Mitigating Smells in LLM-Generated Code
von: Velasco, Alejandro, et al.
Veröffentlicht: (2025)

Comparing ML-Specific and General Python Code Smells Across Project Characteristics
von: Agh, Halimeh, et al.
Veröffentlicht: (2026)

Characterizing Requirements Smells
von: Gentili, Emanuele, et al.
Veröffentlicht: (2024)

Copilot-in-the-Loop: Fixing Code Smells in Copilot-Generated Python Code using Copilot
von: Zhang, Beiqi, et al.
Veröffentlicht: (2024)

Beyond Strict Rules: Assessing the Effectiveness of Large Language Models for Code Smell Detection
von: Souza, Saymon, et al.
Veröffentlicht: (2026)

ChatGPT for Code Refactoring: Analyzing Topics, Interaction, and Effective Prompts
von: AlOmar, Eman Abdullah, et al.
Veröffentlicht: (2025)

Automatic Identification of Machine Learning-Specific Code Smells
von: Hamfelt, Peter, et al.
Veröffentlicht: (2025)

Software Supply Chain Smells: Lightweight Analysis for Secure Dependency Management
von: Schmid, Larissa, et al.
Veröffentlicht: (2026)

Follow Your Nose -- Which Code Smells are Worth Chasing?
von: Amit, Idan, et al.
Veröffentlicht: (2021)

From Code Smells to Best Practices: Tackling Resource Leaks in PyTorch, TensorFlow, and Keras
von: Abdallah, Bashar, et al.
Veröffentlicht: (2025)

How Do Communities of ML-Enabled Systems Smell? A Cross-Sectional Study on the Prevalence of Community Smells
von: Annunziata, Giusy, et al.
Veröffentlicht: (2025)

The Code Whisperer: LLM and Graph-Based AI for Smell and Vulnerability Resolution
von: Baqar, Mohammad, et al.
Veröffentlicht: (2026)

Fixing Your Own Smells: Adding a Mistake-Based Familiarisation Step When Teaching Code Refactoring
von: Tan, Ivan, et al.
Veröffentlicht: (2024)

Agentic LMs: Hunting Down Test Smells
von: Melo, Rian, et al.
Veröffentlicht: (2025)