論文の概要: How are We Detecting Inconsistent Method Names? An Empirical Study from Code Review Perspective

• arxiv url: http://arxiv.org/abs/2308.12701v1
• Date: Thu, 24 Aug 2023 10:39:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-23 12:46:16.435261
• Title: How are We Detecting Inconsistent Method Names? An Empirical Study from Code Review Perspective
• Title（参考訳）: 一貫性のないメソッド名をどうやって検出するのか? コードレビューの観点からの実証的研究
• Authors: Kisub Kim, Xin Zhou, Dongsun Kim, Julia Lawall, Kui Liu, Tegawend\'e F. Bissyand\'e, Jacques Klein, Jaekwon Lee, and David Lo
• Abstract要約: メソッドの適切な命名は、プログラムコードを理解しやすくし、ソフトウェア保守性を高める。 メソッド名の不整合をチェックする自動ツールの開発に多くの研究努力が費やされている。 本研究では,最先端技術が一貫性と一貫性のないメソッド名の検出や推奨にどのように貢献するかを実証研究する。
• 参考スコア（独自算出の注目度）: 13.585460827586926
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Proper naming of methods can make program code easier to understand, and thus enhance software maintainability. Yet, developers may use inconsistent names due to poor communication or a lack of familiarity with conventions within the software development lifecycle. To address this issue, much research effort has been invested into building automatic tools that can check for method name inconsistency and recommend consistent names. However, existing datasets generally do not provide precise details about why a method name was deemed improper and required to be changed. Such information can give useful hints on how to improve the recommendation of adequate method names. Accordingly, we construct a sample method-naming benchmark, ReName4J, by matching name changes with code reviews. We then present an empirical study on how state-of-the-art techniques perform in detecting or recommending consistent and inconsistent method names based on ReName4J. The main purpose of the study is to reveal a different perspective based on reviewed names rather than proposing a complete benchmark. We find that the existing techniques underperform on our review-driven benchmark, both in inconsistent checking and the recommendation. We further identify potential biases in the evaluation of existing techniques, which future research should consider thoroughly.
• Abstract（参考訳）: 適切なメソッドの命名はプログラムコードを理解しやすくし、ソフトウェアの保守性を高める。 しかし、コミュニケーション不足やソフトウェア開発ライフサイクルにおける慣例に精通していないため、開発者は一貫性のない名前を使うことがある。 この問題に対処するため、メソッド名の不整合をチェックし、一貫性のある名前を推奨する自動ツールの開発に多くの研究が費やされている。 しかしながら、既存のデータセットは一般的に、なぜメソッド名が不適切で変更が必要なのか、正確な詳細を示さない。 このような情報は、適切なメソッド名のレコメンデーションを改善するための有用なヒントとなる。 そこで、コードレビューと名前の変更を一致させて、サンプルメソッド命名ベンチマークReName4Jを構築した。 次に、rename4jに基づく一貫性と一貫性のないメソッド名の検出と推奨において、最先端の技術がどのように機能するかに関する実証研究を行う。 この研究の主な目的は、完全なベンチマークを提案するのではなく、レビューされた名前に基づいて異なる視点を明らかにすることである。 既存のテクニックは、レビュー駆動ベンチマークでは、一貫性のないチェックとレコメンデーションの両方でパフォーマンスが低いことが分かりました。 今後の研究で考慮すべき既存の技術の評価における潜在的なバイアスをさらに特定する。

関連論文リスト

• DOCE: Finding the Sweet Spot for Execution-Based Code Generation [69.5305729627198]
  本稿では,候補生成,$n$-best再ランク,最小ベイズリスク(MBR)復号化,自己老化などを含む包括的フレームワークを提案する。 本研究は,実行ベースメソッドの重要性と,実行ベースメソッドと実行フリーメソッドとの差を明らかにする。
  論文  参考訳（メタデータ） (2024-08-25T07:10:36Z)
• Effective Technical Reviews [0.7212939068975619]
  プログラムの実行は、プログラムの正しさをレビューする究極のテストである一方で、プログラムは開発初期に発生し、効果的に実行された場合の問題を見つけることができる。 プログラマは、プログラムを効果的にレビューし、インタフェースの問題から様々な問題を見つけることができる。
  論文  参考訳（メタデータ） (2024-07-02T15:19:52Z)
• Using Changeset Descriptions as a Data Source to Assist Feature Location [0.0]
  本稿では,変更点記述を利用した手法を実装し,この手法の全体的な性能を観察するための実証的研究を行う。 Rhino と Mylyn.Tasks システムによる予備研究は,このアプローチが潜在的に効率的な特徴位置推定技術に繋がる可能性を示唆している。
  論文  参考訳（メタデータ） (2024-02-08T14:38:29Z)
• Prior Knowledge Guided Unsupervised Domain Adaptation [82.9977759320565]
  本稿では,対象とするクラス分布に関する事前知識を利用できる知識誘導型非教師付きドメイン適応(KUDA)設定を提案する。 特に,対象領域におけるクラス分布に関する2種類の事前知識について考察する。 このような事前知識を用いて生成した擬似ラベルを精査する修正モジュールを提案する。
  論文  参考訳（メタデータ） (2022-07-18T18:41:36Z)
• Annotation Error Detection: Analyzing the Past and Present for a More Coherent Future [63.99570204416711]
  我々は、潜在的なアノテーションの誤りを検知するための18の手法を再実装し、9つの英語データセット上で評価する。 アノテーションエラー検出タスクの新しい形式化を含む一様評価設定を定義する。 私たちはデータセットと実装を,使いやすく,オープンソースのソフトウェアパッケージとしてリリースしています。
  論文  参考訳（メタデータ） (2022-06-05T22:31:45Z)
• A Revealing Large-Scale Evaluation of Unsupervised Anomaly Detection Algorithms [0.0]
  異常検出には、銀行詐欺検知やサイバー脅威検出から機器のメンテナンスや健康モニタリングまで、多くの応用がある。 我々は,最も普及している非教師付き異常検出方法の12点を概観した。
  論文  参考訳（メタデータ） (2022-04-21T00:17:12Z)
• Uncertainty Baselines: Benchmarks for Uncertainty & Robustness in Deep Learning [66.59455427102152]
  不確実性ベースライン(Uncertainty Baselines): 各種タスクにおける標準および最先端のディープラーニング手法の高品質な実装。 各ベースラインは、簡単に再利用可能で拡張可能なコンポーネントを備えた、自己完結型の実験パイプラインである。 モデルチェックポイント、Pythonノートブックとしての実験出力、結果を比較するためのリーダーボードを提供する。
  論文  参考訳（メタデータ） (2021-06-07T23:57:32Z)
• Exploiting Method Names to Improve Code Summarization: A Deliberation Multi-Task Learning Approach [5.577102440028882]
  コード要約のための新しいマルチタスク学習(MTL)アプローチを設計する。 まず,メソッド名の生成と情報性予測のタスクを紹介する。 新たな2パス審議機構をmtlアーキテクチャに組み込んで、より一貫性のある中間状態を生成します。
  論文  参考訳（メタデータ） (2021-03-21T17:52:21Z)
• CycAs: Self-supervised Cycle Association for Learning Re-identifiable Descriptions [61.724894233252414]
  本稿では,人物再識別(re-ID)問題に対する自己教師型学習手法を提案する。 既存の教師なしのメソッドは通常、ビデオトラッカーやクラスタリングのような擬似ラベルに依存している。 疑似ラベルを使わずに、生のビデオから歩行者の埋め込みを学習できる別の教師なし手法を導入する。
  論文  参考訳（メタデータ） (2020-07-15T09:52:35Z)
• Frustratingly Simple Few-Shot Object Detection [98.42824677627581]
  希少なクラスにおける既存検出器の最後の層のみを微調整することは、数発の物体検出タスクに不可欠である。 このような単純なアプローチは、現在のベンチマークで約220ポイントのメタ学習方法より優れている。
  論文  参考訳（メタデータ） (2020-03-16T00:29:14Z)
• Formal Methods: From Academia to Industrial Practice. A Travel Guide [46.04829474801786]
  産業ソフトウェア開発の本当の変化は起こっていないようだ。 フォーマルなメソッドが達成できることと、日々のソフトウェア開発プラクティスのギャップは、小さくなっているようには見えません。
  論文  参考訳（メタデータ） (2020-02-17T22:09:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。