論文の概要: How Much Can a Behavior-Preserving Changeset Be Decomposed into Refactoring Operations?

• arxiv url: http://arxiv.org/abs/2508.11993v1
• Date: Sat, 16 Aug 2025 09:29:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-19 14:49:10.504841
• Title: How Much Can a Behavior-Preserving Changeset Be Decomposed into Refactoring Operations?
• Title（参考訳）: 振る舞い保存型変更セットはどの程度リファクタリング操作に分解できるのか?
• Authors: Kota Someya, Lei Chen, Michael J. Decker, Shinpei Hayashi,
• Abstract要約: 開発者は時々、機能追加のような振舞いを保存する修正と、機能追加のような振舞いを変える修正を混ぜる。 これら2つの部分に分割することで、このような修正を理解するためのいくつかのアプローチが提案されている。 機能的に等価なメソッドペアのデータセットを使用して,動作を保存する修正のどれ程を操作に分解できるかを定量化する。
• 参考スコア（独自算出の注目度）: 5.244594196128199
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Developers sometimes mix behavior-preserving modifications, such as refactorings, with behavior-altering modifications, such as feature additions. Several approaches have been proposed to support understanding such modifications by separating them into those two parts. Such refactoring-aware approaches are expected to be particularly effective when the behavior-preserving parts can be decomposed into a sequence of more primitive behavior-preserving operations, such as refactorings, but this has not been explored. In this paper, as an initial validation, we quantify how much of the behavior-preserving modifications can be decomposed into refactoring operations using a dataset of functionally-equivalent method pairs. As a result, when using an existing refactoring detector, only 33.9% of the changes could be identified as refactoring operations. In contrast, when including 67 newly defined functionally-equivalent operations, the coverage increased by over 128%. Further investigation into the remaining unexplained differences was conducted, suggesting improvement opportunities.
• Abstract（参考訳）: 開発者は時々、リファクタリングのような振舞いを保存する修正と、機能追加のような振舞いを変える修正を混ぜる。 これら2つの部分に分割することで、このような修正を理解するためのいくつかのアプローチが提案されている。 このようなリファクタリング対応のアプローチは、動作保存部分をリファクタリングのようなより原始的な動作保存操作のシーケンスに分解できる場合、特に効果的であると期待されているが、これはまだ検討されていない。 本稿では、初期検証として、機能的に等価なメソッドペアのデータセットを用いて、動作を保存する修正のどれ程をリファクタリング操作に分解できるかを定量化する。 その結果、既存のリファクタリング検出器を使用する場合、リファクタリング操作として識別できる変更は33.9%に過ぎなかった。 対照的に,67個の新たに定義された機能等価操作を含むと,カバレッジは128%以上増加した。 残りの未説明の相違についてさらなる調査が行われ、改善の機会が示唆された。

関連論文リスト

• Refactoring $\neq$ Bug-Inducing: Improving Defect Prediction with Code Change Tactics Analysis [54.361900378970134]
  Just-in-time defect prediction (JIT-DP) は、早期にソフトウェア欠陥を引き起こすコード変更の可能性を予測することを目的としている。 これまでの研究は、その頻度にもかかわらず、評価フェーズと方法論フェーズの両方でコードを無視してきた。 JIT-Defects4Jデータセットのラベリング精度を13.7%向上させるコードと伝播を分類するためのCode chAnge Tactics (CAT)解析を提案する。
  論文  参考訳（メタデータ） (2025-07-25T23:29:25Z)
• Relating Complexity, Explicitness, Effectiveness of Refactorings and Non-Functional Requirements: A Replication Study [39.82126443893643]
  自己確認(Self-affirmed、SAR)とは、開発者が要求を単純化する意図を明確に述べる場所である。 本研究は、プロジェクト数と検証済みインスタンスのセットを2倍にすることで、Soaresらの研究の範囲を広げた。 開発者が明示的に意図を述べると、結果として得られる変更は一般的に異なる型の組み合わせを伴い、より複雑なものになります。
  論文  参考訳（メタデータ） (2025-05-12T19:26:33Z)
• ChangeGuard: Validating Code Changes via Pairwise Learning-Guided Execution [16.130469984234956]
  ChangeGuardは、学習誘導型実行を使用して、修正された関数の実行動作を比較するアプローチである。 提案手法は,77.1%の精度で,69.5%のリコールで意味的変化を識別する。
  論文  参考訳（メタデータ） (2024-10-21T15:13:32Z)
• State of Refactoring Adoption: Better Understanding Developer Perception of Refactoring [5.516979718589074]
  ソフトウェアライフサイクルにおける開発者の活動の文書化方法について検討する。 このようなアクティビティを自己確認リファクタリング(Self-Affirmed Refactoring, SAR)と呼びます。 本稿では,コミットが開発者関連のイベントを記述しているかどうかを,共通品質改善カテゴリに従って分類するアプローチを提案する。
  論文  参考訳（メタデータ） (2023-06-09T16:38:20Z)
• Generalization Performance of Transfer Learning: Overparameterized and Underparameterized Regimes [61.22448274621503]
  現実世界のアプリケーションでは、タスクは部分的な類似性を示し、あるアスペクトは似ているが、他のアスペクトは異なるか無関係である。 本研究は,パラメータ伝達の2つの選択肢を包含して,多種多様な移動学習について検討する。 一般化性能を向上させるために,共通部分とタスク特化部分の特徴数を決定するための実践的ガイドラインを提供する。
  論文  参考訳（メタデータ） (2023-06-08T03:08:40Z)
• Do code refactorings influence the merge effort? [80.1936417993664]
  複数のコントリビュータがソースコードを並行して変更して,新機能の実装やバグの修正,既存のコードの変更などを行っている。 これらの同時変更は、ソースコードの同じバージョンにマージする必要がある。 研究によると、すべてのマージの試みの10～20%が衝突を起こしており、これはプロセスを完了するために手動開発者の介入を必要とする。
  論文  参考訳（メタデータ） (2023-05-10T13:24:59Z)
• Supporting single responsibility through automated extract method refactoring [48.0838443679187]
  本稿では,長いメソッドを少し重なり合うスライスに分解する後方スライスアルゴリズムを提案する。 スライスは各出力命令に対して計算され、メソッドに委譲された責任の結果を表す。 平均して、我々の実験は、少なくとも29.6%の精度の向上と、発見される機会のリコールにおける12.1%の改善を実証した。
  論文  参考訳（メタデータ） (2023-05-05T11:02:02Z)
• Randomized Entity-wise Factorization for Multi-Agent Reinforcement Learning [59.62721526353915]
  実世界のマルチエージェント設定は、エージェントや非エージェントエンティティのタイプや量が異なるタスクを伴うことが多い。 我々の方法は、これらの共通点を活用することを目的としており、「観察対象のランダムに選択されたサブグループのみを考えるとき、各エージェントが期待する効用は何か?」という問いを投げかける。
  論文  参考訳（メタデータ） (2020-06-07T18:28:41Z)

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。