論文の概要: Toward Interactive Optimization of Source Code Differences: An Empirical Study of Its Performance

• arxiv url: http://arxiv.org/abs/2409.13590v1
• Date: Thu, 26 Sep 2024 14:13:53 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-07 06:30:58.029448
• Title: Toward Interactive Optimization of Source Code Differences: An Empirical Study of Its Performance
• Title（参考訳）: ソースコードの相違点の相互最適化に向けて:その性能に関する実証的研究
• Authors: Tsukasa Yagi, Shinpei Hayashi,
• Abstract要約: ソースコードの違い(差分)を最適化するためのインタラクティブなアプローチを提案する。 ユーザは、マッチすべきではなく、マッチすべきでない部分や、マッチすべきでない部分に対するフィードバックを提供することができる。 GitHubの23のプロジェクトの結果は、最適でない差分のうち92%が、理想的なケースでは4つ未満のフィードバックアクションで対処可能であることを確認している。
• 参考スコア（独自算出の注目度）: 1.313675711285772
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A source code difference (diff) indicates changes made by comparing new and old source codes, and it can be utilized in code reviews to help developers understand the changes made to the code. Although many diff generation methods have been proposed, existing automatic methods may generate nonoptimal diffs, hindering reviewers from understanding the changes. In this paper, we propose an interactive approach to optimize diffs. Users can provide feedback for the points of a diff that should not be matched but are or parts that should be matched but are not. The edit graph is updated based on this feedback, enabling users to obtain a more optimal diff. We simulated our proposed method by applying a search algorithm to empirically assess the number of feedback instances required and the amount of diff optimization resulting from the feedback to investigate the potential of this approach. The results of 23 GitHub projects confirm that 92\% of nonoptimal diffs can be addressed with less than four feedback actions in the ideal case.
• Abstract（参考訳）: ソースコードの違い(diff)は、新しいソースコードと古いソースコードを比較した変更を示し、コードレビューで利用することで、開発者がコードの変更を理解するのに役立つ。 多くの差分生成法が提案されているが、既存の自動手法は最適でない差分を生成する可能性があり、レビュアーが変化を理解するのを妨げている。 本稿では,差分最適化のための対話的手法を提案する。 ユーザは、マッチすべきではなく、マッチすべきでない部分や、マッチすべきでない部分に対するフィードバックを提供することができる。 このフィードバックに基づいて編集グラフが更新され、ユーザーはより最適な差分を得ることができる。 提案手法は,提案手法を探索アルゴリズムを用いて,必要なフィードバックインスタンス数と,提案手法の潜在可能性を調べるためのフィードバックによる差分最適化の量を実証的に評価することによってシミュレーションした。 GitHubの23のプロジェクトの結果は、最適でない差の92%が、理想的なケースでは4つ未満のフィードバックアクションで対処可能であることを確認している。

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)
• Advanced Detection of Source Code Clones via an Ensemble of Unsupervised Similarity Measures [0.0]
  本研究では,コード類似度評価のための新しいアンサンブル学習手法を提案する。 鍵となる考え方は、様々な類似度尺度の強みが互いに補完し、個々の弱点を軽減することである。
  論文  参考訳（メタデータ） (2024-05-03T13:42:49Z)
• Rethinking Negative Pairs in Code Search [56.23857828689406]
  我々は、重み項をInfoNCEに挿入する簡易で効果的なSoft-InfoNCE損失を提案する。 我々は,Soft-InfoNCEが学習したコード表現の分布を制御することと,より正確な相互情報推定の導出に与える影響を分析する。
  論文  参考訳（メタデータ） (2023-10-12T06:32:42Z)
• Performance Evaluation and Comparison of a New Regression Algorithm [4.125187280299247]
  新たに提案した回帰アルゴリズムの性能を,従来の4つの機械学習アルゴリズムと比較した。 GitHubリポジトリにソースコードを提供したので、読者は結果の複製を自由にできます。
  論文  参考訳（メタデータ） (2023-06-15T13:01:16Z)
• Augmenting Diffs With Runtime Information [53.22981451758425]
  Collector-Sahabは、コード差分をランタイム差分情報で拡張するツールである。 We run Collector-Sahab on 584 code diffs for Defects4J bugs and found it successfully augment the code diff for 95% (555/584)。
  論文  参考訳（メタデータ） (2022-12-20T16:33:51Z)
• Efficient computation of the Knowledge Gradient for Bayesian Optimization [1.0497128347190048]
  One-shot Hybrid KGは、これまで提案されていたアイデアをいくつか組み合わせた新しいアプローチであり、計算が安価で、強力で効率的である。 すべての実験はBOTorchで実施され、同等または改善された性能で計算オーバーヘッドを劇的に削減した。
  論文  参考訳（メタデータ） (2022-09-30T10:39:38Z)
• MAGPIE: Machine Automated General Performance Improvement via Evolution of Software [19.188864062289433]
  MAGPIEは統合されたソフトウェア改善フレームワークである。 共通の編集シーケンスに基づく表現を提供し、特定の改善テクニックから探索プロセスを分離する。
  論文  参考訳（メタデータ） (2022-08-04T17:58:43Z)
• Search Methods for Sufficient, Socially-Aligned Feature Importance Explanations with In-Distribution Counterfactuals [72.00815192668193]
  特徴重要度(FI)推定は一般的な説明形式であり、テスト時に特定の入力特徴を除去することによって生じるモデル信頼度の変化を計算し、評価することが一般的である。 FIに基づく説明の未探索次元についていくつかの考察を行い、この説明形式に対する概念的および実証的な改善を提供する。
  論文  参考訳（メタデータ） (2021-06-01T20:36:48Z)
• Neural Non-Rigid Tracking [26.41847163649205]
  我々は、新しい、エンドツーエンドの学習可能、差別化可能な非剛性トラッカーを導入する。 我々は畳み込みニューラルネットワークを用いて、密度の高い通信とその信頼性を予測する。 現状の手法と比較して,提案アルゴリズムは再構築性能の向上を示す。
  論文  参考訳（メタデータ） (2020-06-23T18:00:39Z)
• Pairwise Supervised Hashing with Bernoulli Variational Auto-Encoder and Self-Control Gradient Estimator [62.26981903551382]
  バイナリ潜在変数を持つ変分自動エンコーダ(VAE)は、文書検索の精度の観点から最先端のパフォーマンスを提供する。 本稿では、クラス内類似度とクラス間類似度に報いるために、個別潜伏型VAEを用いたペアワイズ損失関数を提案する。 この新しいセマンティックハッシュフレームワークは、最先端技術よりも優れたパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2020-05-21T06:11:33Z)
• Top-k Training of GANs: Improving GAN Performance by Throwing Away Bad Samples [67.11669996924671]
  GAN(Generative Adversarial Network)トレーニングアルゴリズムに,簡単な修正(一行のコード)を導入する。 ジェネレータパラメータを更新するとき、批判者が最も現実的に評価するバッチの要素から勾配のコントリビューションをゼロにします。 このトップk更新の手順が一般的に適用可能な改善であることを示す。
  論文  参考訳（メタデータ） (2020-02-14T19:27:50Z)

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。