論文の概要: Are your comments outdated? Towards automatically detecting code-comment consistency

• arxiv url: http://arxiv.org/abs/2403.00251v1
• Date: Fri, 1 Mar 2024 03:30:13 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-05 18:26:44.896059
• Title: Are your comments outdated? Towards automatically detecting code-comment consistency
• Title（参考訳）: あなたのコメントは時代遅れですか? コードコミットの一貫性を自動検出する
• Authors: Yuan Huang, Yinan Chen, Xiangping Chen, Xiaocong Zhou
• Abstract要約: 古いコメントは危険で有害であり、その後の開発者を誤解させる可能性がある。 コードとコメントの一貫性を検出するための,CoCCと呼ばれる学習手法を提案する。 実験の結果,COCCは90%以上の精度で時代遅れのコメントを効果的に検出できることがわかった。
• 参考スコア（独自算出の注目度）: 3.204922482708544
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In software development and maintenance, code comments can help developers understand source code, and improve communication among developers. However, developers sometimes neglect to update the corresponding comment when changing the code, resulting in outdated comments (i.e., inconsistent codes and comments). Outdated comments are dangerous and harmful and may mislead subsequent developers. More seriously, the outdated comments may lead to a fatal flaw sometime in the future. To automatically identify the outdated comments in source code, we proposed a learning-based method, called CoCC, to detect the consistency between code and comment. To efficiently identify outdated comments, we extract multiple features from both codes and comments before and after they change. Besides, we also consider the relation between code and comment in our model. Experiment results show that CoCC can effectively detect outdated comments with precision over 90%. In addition, we have identified the 15 most important factors that cause outdated comments, and verified the applicability of CoCC in different programming languages. We also used CoCC to find outdated comments in the latest commits of open source projects, which further proves the effectiveness of the proposed method.
• Abstract（参考訳）: ソフトウェア開発とメンテナンスにおいて、コードコメントは開発者がソースコードを理解し、開発者間のコミュニケーションを改善するのに役立つ。 しかし、開発者はコードを変更する際に対応するコメントを更新することを怠り、古いコメント(すなわち一貫性のないコードとコメント)が発生することがある。 古いコメントは危険で有害であり、その後の開発者を誤解させる可能性がある。 さらに本気で言うと、時代遅れのコメントは将来致命的な欠陥につながるかもしれない。 ソースコード中の古いコメントを自動的に識別するために,コードとコメントの一貫性を検出するためのCoCCという学習手法を提案した。 古いコメントを効率的に識別するために、変更前後にコードとコメントの両方から複数の機能を抽出する。 さらに、私たちのモデルでは、コードとコメントの関係も検討しています。 実験の結果,COCCは90%以上の精度で古いコメントを効果的に検出できることがわかった。 さらに、古いコメントの原因となる15の最も重要な要素を特定し、異なるプログラミング言語におけるCOCCの適用性を検証する。 我々はまた、COCCを使ってオープンソースプロジェクトの最新コミットの古いコメントを見つけ、提案手法の有効性をさらに証明した。

関連論文リスト

• Understanding Code Understandability Improvements in Code Reviews [79.16476505761582]
  GitHub上のJavaオープンソースプロジェクトからの2,401のコードレビューコメントを分析した。 改善提案の83.9%が承認され、統合され、1%未満が後に復活した。
  論文  参考訳（メタデータ） (2024-10-29T12:21:23Z)
• Codev-Bench: How Do LLMs Understand Developer-Centric Code Completion? [60.84912551069379]
  Code-Development Benchmark (Codev-Bench)は、細粒度で現実世界、リポジトリレベル、開発者中心の評価フレームワークです。 Codev-Agentは、リポジトリのクローリングを自動化し、実行環境を構築し、既存のユニットテストから動的呼び出しチェーンを抽出し、データ漏洩を避けるために新しいテストサンプルを生成するエージェントベースのシステムである。
  論文  参考訳（メタデータ） (2024-10-02T09:11:10Z)
• Code Documentation and Analysis to Secure Software Development [0.0]
  CoDATは、さまざまなレベルのコードドキュメント間の一貫性を維持するように設計されたツールである。 Intellij IDEAで実装されている。 私たちは、コードの断片とそれを記述するコメントの間のセマンティックな一貫性をチェックするために、大きな言語モデルを使用します。
  論文  参考訳（メタデータ） (2024-07-16T17:25:44Z)
• Comments as Natural Logic Pivots: Improve Code Generation via Comment Perspective [85.48043537327258]
  本稿では, MANGO (comMents As Natural loGic pivOts) を提案する。 その結果、MANGOは強いベースラインに基づいてコードパス率を大幅に改善することがわかった。 論理的なコメントの復号化戦略の堅牢性は、考えの連鎖よりも顕著に高い。
  論文  参考訳（メタデータ） (2024-04-11T08:30:46Z)
• Exploring the Advances in Identifying Useful Code Review Comments [0.0]
  本稿では,コードレビューコメントの有用性に関する研究の進化を反映する。 コードレビューコメントの有用性を定義し、データセットのマイニングとアノテーションを定義し、開発者の認識を調査し、異なる側面から要因を分析し、機械学習分類器を使用してコードレビューコメントの有用性を自動的に予測する。
  論文  参考訳（メタデータ） (2023-07-03T00:41:20Z)
• CONCORD: Clone-aware Contrastive Learning for Source Code [64.51161487524436]
  セルフ教師付き事前トレーニングは、多くのダウンストリームSEタスクに価値のあるジェネリックコード表現を学ぶための牽引役になった。 汎用的な表現学習のために、開発者が日々どのようにコードをコーディングするかは、要因としても不可欠である、と私たちは主張する。 特に,表現空間に良性クローンを近づける自己教師型コントラスト学習戦略であるCONCORDを提案する。
  論文  参考訳（メタデータ） (2023-06-05T20:39:08Z)
• Code Comment Inconsistency Detection with BERT and Longformer [9.378041196272878]
  ソースコードの自然言語記述であるコメントは、ソフトウェア開発者の間で標準的なプラクティスである。 コメントに付随する修正を加えずにコードを変更すると、コメントとコードの間に矛盾が生じます。 本研究では,自然言語推論(NLI)の文脈における不整合を検出するための2つのモデルを提案する。
  論文  参考訳（メタデータ） (2022-07-29T02:43:51Z)
• ReACC: A Retrieval-Augmented Code Completion Framework [53.49707123661763]
  本稿では,語彙のコピーと類似したセマンティクスを持つコード参照の両方を検索により活用する検索拡張コード補完フレームワークを提案する。 我々は,Python および Java プログラミング言語のコード補完タスクにおけるアプローチを評価し,CodeXGLUE ベンチマークで最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-03-15T08:25:08Z)
• Deep Just-In-Time Inconsistency Detection Between Comments and Source Code [51.00904399653609]
  本稿では,コード本体の変更によりコメントが矛盾するかどうかを検出することを目的とする。 私たちは、コメントとコードの変更を関連付けるディープラーニングアプローチを開発しています。 より包括的な自動コメント更新システムを構築するために,コメント更新モデルと組み合わせて提案手法の有用性を示す。
  論文  参考訳（メタデータ） (2020-10-04T16:49:28Z)

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。