論文の概要: Behind the Intent of Extract Method Refactoring: A Systematic Literature
Review
- arxiv url: http://arxiv.org/abs/2312.12600v1
- Date: Tue, 19 Dec 2023 21:09:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-21 17:50:03.493775
- Title: Behind the Intent of Extract Method Refactoring: A Systematic Literature
Review
- Title(参考訳): メソッドリファクタリングの意図の背後にある:体系的文献レビュー
- Authors: Eman Abdullah AlOmar, Mohamed Wiem Mkaouer, Ali Ouni
- Abstract要約: コードは、ソースコードの理解性と保守性を改善するために不可欠なソフトウェアエンジニアリングプラクティスとして広く認識されている。
Extract Method は、開発者がコード品質を改善するためにしばしばそれを適用するため、適用性の "Swiss Army knife" と見なされている。
近年、いくつかの研究が抽出法を推奨し、実行可能なデータ駆動の洞察の収集、分析、啓示を可能にしている。
- 参考スコア(独自算出の注目度): 15.194527511076725
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Code refactoring is widely recognized as an essential software engineering
practice to improve the understandability and maintainability of the source
code. The Extract Method refactoring is considered as "Swiss army knife" of
refactorings, as developers often apply it to improve their code quality. In
recent years, several studies attempted to recommend Extract Method
refactorings allowing the collection, analysis, and revelation of actionable
data-driven insights about refactoring practices within software projects. In
this paper, we aim at reviewing the current body of knowledge on existing
Extract Method refactoring research and explore their limitations and potential
improvement opportunities for future research efforts. Hence, researchers and
practitioners begin to be aware of the state-of-the-art and identify new
research opportunities in this context. We review the body of knowledge related
to Extract Method refactoring in the form of a systematic literature review
(SLR). After compiling an initial pool of 1,367 papers, we conducted a
systematic selection and our final pool included 83 primary studies. We define
three sets of research questions and systematically develop and refine a
classification schema based on several criteria including their methodology,
applicability, and degree of automation. The results construct a catalog of 83
Extract Method approaches indicating that several techniques have been proposed
in the literature. Our results show that: (i) 38.6% of Extract Method
refactoring studies primarily focus on addressing code clones; (ii) Several of
the Extract Method tools incorporate the developer's involvement in the
decision-making process when applying the method extraction, and (iii) the
existing benchmarks are heterogeneous and do not contain the same type of
information, making standardizing them for the purpose of benchmarking
difficult.
- Abstract(参考訳): コードリファクタリングは、ソースコードの理解性と保守性を改善するために不可欠なソフトウェアエンジニアリングプラクティスとして広く認められています。
リファクタリングの抽出メソッドは、開発者がコード品質を改善するために頻繁に適用するため、リファクタリングの"swiss army knife"と見なされる。
近年、いくつかの研究が、ソフトウェアプロジェクト内のリファクタリングプラクティスに関する実行可能なデータ駆動の洞察の収集、分析、啓発を可能にする抽出メソッドリファクタリングを推奨している。
本稿では,既存の抽出法リファクタリング研究に関する知識体系を概観し,今後の研究に向けた限界と可能性について検討する。
そのため、研究者や実践者は最先端に気付き始め、この文脈で新たな研究機会を見いだす。
体系的文献レビュー(slr)という形で,メソッドリファクタリングの抽出に関連する知識体系について検討する。
1,367の論文を最初のプールにまとめた結果,体系的な選択を行い,最終プールには83の一次研究が含まれた。
3つの研究課題を定義し,その方法論,適用性,自動化度など,いくつかの基準に基づいて分類スキーマを体系的に開発・洗練する。
その結果,83の抽出手法のカタログを構築し,文献にいくつかの手法が提案されていることを示す。
結果はこう示しています
(i)抽出メソッドリファクタリング研究の38.6%は、主にコードクローンに対処することに焦点を当てている。
二 抽出方法の適用における意思決定プロセスへの開発者の関与を取り入れた抽出方法のいくつか
(3)既存のベンチマークは異質であり、同じ種類の情報を含まないため、ベンチマークのために標準化が困難である。
関連論文リスト
- Together We Go Further: LLMs and IDE Static Analysis for Extract Method
Refactoring [10.37848865054563]
抽出方法(Extract Method)と呼ばれるマークは、2つのフェーズから構成される: (i)抽出するステートメントを選択し、 (ii)これを実行するためのメカニクスを適用する。
本稿では,抽出手法の力でソフトウェア開発ツールの能力を増強するEM-Assistを紹介する。
論文 参考訳(メタデータ) (2024-01-27T05:01:03Z) - A Reliable Knowledge Processing Framework for Combustion Science using
Foundation Models [0.0]
この研究は、多様な燃焼研究データを処理し、実験研究、シミュレーション、文献にまたがるアプローチを導入している。
開発されたアプローチは、データのプライバシと精度を最適化しながら、計算と経済の費用を最小化する。
このフレームワークは、最小限の人間の監視で、常に正確なドメイン固有の応答を提供する。
論文 参考訳(メタデータ) (2023-12-31T17:15:25Z) - Enhancing AI Research Paper Analysis: Methodology Component Extraction
using Factored Transformer-based Sequence Modeling Approach [10.060305577353633]
本稿では,方法論領域の幅広いカテゴリ情報を活用するシーケンスモデリングへの因子的アプローチを提案する。
シミュレーションされた時系列設定(トレーニングプロセス中に見えない新しい方法論)に従って実験を行う。
本実験により, 提案手法は, 数発設定の方法論抽出タスクにおいて, 9.257%のマージンで最先端のベースラインを上回り, 性能が向上することを示した。
論文 参考訳(メタデータ) (2023-11-05T16:33:35Z) - A Survey of Contextual Optimization Methods for Decision Making under
Uncertainty [47.73071218563257]
この記事では、データからポリシーを学ぶための3つの主要なフレームワークを特定し、その強みと限界について論じる。
統一的な表記と用語の下で既存のモデルとメソッドを示し、これらを3つの主要なフレームワークに従って分類する。
論文 参考訳(メタデータ) (2023-06-17T15:21:02Z) - Application of Transformers based methods in Electronic Medical Records:
A Systematic Literature Review [77.34726150561087]
本研究は,異なるNLPタスクにおける電子カルテ(EMR)のトランスフォーマーに基づく手法を用いて,最先端技術に関する体系的な文献レビューを行う。
論文 参考訳(メタデータ) (2023-04-05T22:19:42Z) - GLUECons: A Generic Benchmark for Learning Under Constraints [102.78051169725455]
本研究では,自然言語処理とコンピュータビジョンの分野における9つのタスクの集合であるベンチマークを作成する。
外部知識を制約としてモデル化し、各タスクの制約のソースを特定し、これらの制約を使用するさまざまなモデルを実装します。
論文 参考訳(メタデータ) (2023-02-16T16:45:36Z) - Retrieval Augmentation for Commonsense Reasoning: A Unified Approach [64.63071051375289]
検索強化コモンセンス推論(RACo)の統一的枠組みを提案する。
提案するRACoは,他の知識強化手法よりも優れる。
論文 参考訳(メタデータ) (2022-10-23T23:49:08Z) - Exploring Representation-Level Augmentation for Code Search [50.94201167562845]
我々は、データ処理やトレーニングを必要としない表現レベルでデータ(コードとクエリの両方)を増強する拡張手法について検討する。
大規模公開データセット上で,最先端のコード検索モデルを用いた表現レベル向上手法を実験的に評価した。
論文 参考訳(メタデータ) (2022-10-21T22:47:37Z) - A Review on Method Entities in the Academic Literature: Extraction,
Evaluation, and Application [15.217159196570108]
科学的研究において、この方法は科学的問題を解くのに必須の手段であり、重要な研究対象である。
方法の名称を反映した学術文献における重要な実体をメソッドエンティティと呼ぶ。
メソッドエンティティの進化は、分野の発展を明らかにし、知識発見を促進する。
論文 参考訳(メタデータ) (2022-09-08T10:12:21Z) - Deep Learning Schema-based Event Extraction: Literature Review and
Current Trends [60.29289298349322]
ディープラーニングに基づくイベント抽出技術が研究ホットスポットとなっている。
本稿では,ディープラーニングモデルに焦点をあて,最先端のアプローチを見直し,そのギャップを埋める。
論文 参考訳(メタデータ) (2021-07-05T16:32:45Z) - A Novel RL-assisted Deep Learning Framework for Task-informative Signals
Selection and Classification for Spontaneous BCIs [2.299749220980997]
一つの脳波検定からタスク関連時間信号セグメントを推定・選択する問題を定式化する。
本稿では,既存の深層学習に基づくBCI手法と組み合わせることができる新しい強化学習機構を提案する。
論文 参考訳(メタデータ) (2020-07-01T00:35:41Z)
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。