20.500.12556/RUL-187358 Detekcija načrtovalskih vzorcev v kodi z uporabo ontologije in LLM Design Pattern Detection in Source Code Using an Ontology and Large Language Models Načrtovalski vzorci opisujejo ponavljajoče se rešitve pri načrtovanju program- ske opreme. V nalogi razvijemo program za zaznavanje načrtovalskih vzorcev v kodi C#. Kodo s platformo Roslyn pretvorimo v graf dejstev v obliki osebek–povedek–predmet, poizvedbe pa v njem iščejo kandidate za vseh 23 načrtovalskih vzorcev skupine Gang of Four. Neobvezna semantična stopnja z velikim jezikovnim modelom presodi, ali kandidat izraža razločevalni na- men načrtovalskega vzorca. Najdbe vsebujejo vloge udeležencev v zaznanem načrtovalskem vzorcu in mesta v kodi, izvoziti pa jih je mogoče v več strojno berljivih oblikah. Sistem ovrednotimo na 40 ročno označenih enotah iz sedmih resničnih odprtokodnih projektov v jeziku C#, objavljenih na GitHubu, za katere je vnaprej določeno, katere načrtovalske vzorce vsebujejo. Strukturni detektorji pri ločenem preverjanju na 23 lastnih in 22 zunanjih učbeniških primerih dosežejo popoln rezultat, na evalvacijskem korpusu označenih prime- rov pa mikrooceno F1 = 0,667. Ko strukturne kandidate na isti kodi dodatno preveri veliki jezikovni model, se mikroocena F1 zviša na 0,828. Rezultat naloge je uspešen prikaz koncepta hibridnega zaznavanja načrtovalskih vzorcev in je lahko osnova za njegov nadaljnji razvoj. Design patterns describe recurring solutions to software design problems. In this thesis, we develop a tool for detecting design patterns in C# code. Using the Roslyn platform, the code is transformed into a graph of facts represented as subject–predicate–object triples, which is then queried to find candidates for all 23 Gang of Four patterns. An optional semantic stage uses a large language model to determine whether a candidate expresses the intent that distinguishes the pattern. The findings identify the roles of participants in the detected pattern and their locations in the code, and can be exported in several machine-readable formats. We evaluate the system on 40 manually labelled units from seven real-world open-source C# projects published on GitHub. In separate correctness checks, the structural detectors achieve a perfect result on 23 bundled and 22 external textbook examples; on the evaluation corpus of manually labelled examples, they achieve a micro F1 score of 0.667. When the structural candidates from the same code are additionally verified by a large language model, the micro F1 score increases to 0.828. The thesis presents a successful proof of concept for hybrid design pattern detection and provides a foundation for its further development. načrtovalski vzorci statična analiza kode SPARQL RDF ontologije Roslyn veliki jezikovni modeli design patterns static code analysis SPARQL RDF ontologies Roslyn large language models true false false Slovenski jezik Angleški jezik Diplomsko delo/naloga 2026-09-10 11:35:13 2026-09-10 11:35:21 2026-09-12 03:29:42 0000-00-00 00:00:00 2026 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 1970-01-01 38924 Gajsek_Urban_-_Detekcija_nacrtovalskih_vzorcev_v_kodi_z_uporabo_ontologije_in_LLM.pdf Gajsek_Urban_-_Detekcija_nacrtovalskih_vzorcev_v_kodi_z_uporabo_ontologije_in_LLM.pdf 1 708889481B5D1DADAAA94B9346ED4E8F a0f5d9be2170d92f835d4076575ff14c55d61f49fdde09bacaca1155b78d95f4 eaacb63c-acfa-11f1-8bc5-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=246973 Fakulteta za računalništvo in informatiko 0 0 0