論文の概要: An Event-Driven Tool for Context-Aware Code Smell Detection Using SmellDSL
- arxiv url: http://arxiv.org/abs/2605.20675v1
- Date: Wed, 20 May 2026 03:43:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-21 19:19:56.467142
- Title: An Event-Driven Tool for Context-Aware Code Smell Detection Using SmellDSL
- Title（参考訳）: SmellDSLを用いたコンテキスト認識型コードスメル検出のためのイベント駆動ツール
- Abstract要約: コードは、進化するソフトウェアシステムの内部品質を低下させる設計原則の信号違反を嗅ぎます。
SmellHunterはコンテキスト認識ツールで、Smellドメイン固有の言語で記述されたスクリプトを解釈して、臭いを検出し、コードする。
SmellHunterは専用のプラグインを通じて開発環境に統合され、モバイルアプリケーションを通じて集約された洞察を提供する。
- 参考スコア（独自算出の注目度）: 0.5424799109837065
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Code smells signal violations of design principles that degrade the internal quality of evolving software systems. Although many tools detect such anomalies using static metrics, they often ignore the development context in which smells arise and are resolved. This limitation can lead to misleading warnings and weak support for refactoring decisions. To address this problem, we present SmellHunter, a context-aware tool that interprets scripts written in the SmellDSL domain-specific language to detect and contextualize code smells. SmellHunter integrates static code metrics with contextual information (such as team characteristics, project stage, and geographic metadata) to produce richer, more actionable analyses. The tool adopts an event-driven architecture in which a service bus orchestrates validation, interpretation, and persistence services through asynchronous events. This architecture enables scalable analysis while minimizing disruption to developers' workflows. SmellHunter is integrated into the Eclipse development environment via a dedicated plugin and provides aggregated insights via a mobile application, allowing developers to explore smell occurrences by type, severity, and location. By linking smell detection with contextual data and collaborative visualization, SmellHunter supports developers acting as smell hunters, helping teams identify recurring quality issues emerging from a particular location and assign refactoring tasks to developers with relevant expertise. We describe the architecture of SmellHunter, the interpretation process of SmellDSL scripts, and the integration of contextual data to support more informed refactoring decisions in modern software development environments.
- Abstract（参考訳）: コードは、進化するソフトウェアシステムの内部品質を低下させる設計原則の信号違反を嗅ぎます。
多くのツールは静的なメトリクスを使ってそのような異常を検出するが、臭いが発生して解決される開発コンテキストを無視することが多い。
この制限は、誤解を招く警告とリファクタリング決定に対する弱いサポートにつながる可能性がある。
この問題に対処するために、SmellDSLドメイン固有言語で記述されたスクリプトを解釈し、コードの臭いを検知し、文脈に適応するコンテキスト認識ツールであるSmellHunterを紹介します。
SmellHunterは静的コードメトリクスとコンテキスト情報(チーム特性、プロジェクトステージ、地理的メタデータなど)を統合して、よりリッチで実用的な分析を生成する。
このツールは、サービスバスが非同期イベントを通じてバリデーション、解釈、永続化サービスをオーケストレーションするイベント駆動アーキテクチャを採用している。
このアーキテクチャは、開発者のワークフローの中断を最小限にしつつ、スケーラブルな分析を可能にする。
SmellHunterは専用のプラグインを通じてEclipse開発環境に統合され、モバイルアプリケーションを通じて集約された洞察を提供する。
SmellHunterは、臭い検出とコンテキストデータとコラボレーティブビジュアライゼーションをリンクすることで、臭いのハンターとして働く開発者を支援し、チームが特定の場所から発生した繰り返し発生する品質問題を特定し、関連する専門知識を持つ開発者にリファクタリングタスクを割り当てるのを支援する。
本稿では,SmellHunterのアーキテクチャ,SmellDSLスクリプトの解釈プロセス,現代的なソフトウェア開発環境におけるより情報的なリファクタリング決定を支援するためのコンテキストデータの統合について述べる。
関連論文リスト
- PRAXIS: Graph-Grounded Tacit Knowledge for Domain Code Generation [61.752289169878566]
ドメイン固有のビジネスルール、インターフェース契約、開発者が実践を通じて内部化するが文書化しない運用規約を含む、エージェントの暗黙の知識の欠如の根本原因を特定します。
この知識は、ドメイン・コードの下に深く埋もれており、コード・エンティティとその依存関係にまたがっており、それを持たないエージェントには見えません。
本稿では,ドメインコード生成のための暗黙的知識の抽出,表現,再利用を可能にするフレームワークであるPRAXISを提案する。
論文 参考訳（メタデータ） (2026-08-20T08:28:28Z) - SmellDoc: Extending Elastic Stack for Microservice Bad Smell Detection and Visualization [7.850818062161976]
我々はElastic StackをベースにしたカスタマイズフレームワークであるSmellDocを提案する。
SmellDocは、マイクロサービス悪臭検出プラグインによるネイティブオブザーバビリティダッシュボードを拡張し、検出、知識、ヘルス監視を統合する。
84種類の知識ベースをサポートし、アーキテクチャ、ランタイム、パフォーマンスのカテゴリで24の代表的な匂いを検出することができる。
ベンチマークマイクロサービスシステムのケーススタディでは、SmellDocが臭いの検出、可視化、分析に有効であることを示し、それによって実行時の可観測性を高め、トラブルシューティングを加速し、高いレベルのサービス品質を維持することができる。
論文 参考訳（メタデータ） (2026-05-23T08:45:15Z) - SmellBench: Evaluating LLM Agents on Architectural Code Smell Repair [1.6922906233636834]
アーキテクチャコードはソフトウェアの保守性を損なうため、手作業で修理するのにコストがかかる。
本稿では,大規模言語モデルエージェントによる建築コードの臭いの修復に関する経験的評価について述べる。
SmellBenchは、嗅覚タイプ固有の最適化プロンプトを組み込んだタスクオーケストレーションフレームワークです。
論文 参考訳（メタデータ） (2026-05-07T22:33:32Z) - CodeTracer: Towards Traceable Agent States [40.51936201889185]
異種実行アーティファクトを解析し,抽出器を進化させるトレースアーキテクチャであるCodeTracerを提案する。
CodeTracerは、永続的なメモリを持つ階層的なトレースツリーとして、完全な状態遷移履歴を再構築する。
障害発生元とその下流チェーンを特定するために、障害オンセットのローカライゼーションを実行する。
論文 参考訳（メタデータ） (2026-04-13T15:52:03Z) - ReqToCode: Embedding Requirements Traceability as a Structural Property of the Codebase [0.0]
本稿では,トレース可能なシステム要素を直接システムに埋め込むことによって,トレースの劣化を防止する手法であるReqToCodeを紹介する。
アプローチ、アーキテクチャ原則、トレーサブルライフサイクルを説明し、要求定義、アーティファクト生成、コード統合、ビルド時の検証を対象とする一般的な例で説明します。
論文 参考訳（メタデータ） (2026-03-14T16:00:09Z) - ABC-Bench: Benchmarking Agentic Backend Coding in Real-World Development [72.4729759618632]
本稿では,現実的かつ実行可能なワークフロー内でエージェントバックエンドコーディングを評価するベンチマークであるABC-Benchを紹介する。
オープンソースリポジトリから8つの言語と19のフレームワークにまたがる224の実践的なタスクをキュレートしました。
我々の評価は、最先端モデルでさえ、これらの総合的なタスクに対して信頼性の高いパフォーマンスを提供するのに苦労していることを示している。
論文 参考訳（メタデータ） (2026-01-16T08:23:52Z) - A Causal Perspective on Measuring, Explaining and Mitigating Smells in LLM-Generated Code [49.09545217453401]
Propensity Smelly Score (PSC) は、特定の臭いの種類を生成する確率を推定する計量である。
我々は、生成戦略、モデルサイズ、モデルアーキテクチャ、および生成したコードの構造特性をいかに形成するかを識別する。
PSCは、開発者がモデルの振る舞いを解釈し、コード品質を評価するのに役立つ。
論文 参考訳（メタデータ） (2025-11-19T19:18:28Z) - ThinkGeo: Evaluating Tool-Augmented Agents for Remote Sensing Tasks [64.86209459039313]
ThinkGeoは、構造化ツールの使用とマルチステップ計画を通じて、リモートセンシングタスクにおけるツール拡張エージェントを評価するために設計されたエージェントベンチマークである。
我々はReActスタイルの対話ループを実装し,486 個の構造化エージェントタスク上でのオープンソース LLM とクローズドソース LLM の両方を1,773 個の専門家が検証した推論ステップで評価する。
分析の結果、ツールの精度とモデル間の計画整合性に顕著な相違が明らかになった。
論文 参考訳（メタデータ） (2025-05-29T17:59:38Z) - From Objects to Events: Unlocking Complex Visual Understanding in Object Detectors via LLM-guided Symbolic Reasoning [71.41062111470414]
現在のオブジェクト検出器は、エンティティのローカライゼーションと分類において優れているが、イベント認識機能には固有の制限がある。
本稿では,単なるオブジェクト認識以上の標準オブジェクト検出能力を,複雑なイベント理解に拡張する新しいフレームワークを提案する。
私たちの重要なイノベーションは、高価なタスク固有のトレーニングを必要とせずに、オブジェクト検出とイベント理解のセマンティックなギャップを埋めることです。
論文 参考訳（メタデータ） (2025-02-09T10:30:54Z) - EnseSmells: Deep ensemble and programming language models for automated code smells detection [3.974095344344234]
ソフトウェアソースコードの匂いは、最適な設計と実装上の決定を示す。
本稿では,構造的特徴と統計的意味論の融合に重きを置く深層学習アーキテクチャを構築するための新しい手法を提案する。
論文 参考訳（メタデータ） (2025-02-07T15:35:19Z) - 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) - Alibaba LingmaAgent: Improving Automated Issue Resolution via Comprehensive Repository Exploration [64.19431011897515]
本稿では,問題解決のためにソフトウェアリポジトリ全体を包括的に理解し,活用するために設計された,新しいソフトウェアエンジニアリング手法であるAlibaba LingmaAgentを提案する。
提案手法では,重要なリポジトリ情報を知識グラフに凝縮し,複雑さを低減し,モンテカルロ木探索に基づく戦略を採用する。
Alibaba Cloudの製品展開と評価において、LingmaAgentは、開発エンジニアが直面した社内問題の16.9%を自動で解決し、手作業による介入で43.3%の問題を解決した。
論文 参考訳（メタデータ） (2024-06-03T15:20:06Z)
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。