論文の概要: CoCoMUT: A Tool for Code-Context Mining and Automated Dataset Generation

• arxiv url: http://arxiv.org/abs/2606.31971v1
• Date: Tue, 30 Jun 2026 17:12:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 18:27:19.322511
• Title: CoCoMUT: A Tool for Code-Context Mining and Automated Dataset Generation
• Title（参考訳）: CoCoMUT: コードコンテキストマイニングと自動データセット生成のためのツール
• Abstract要約: CoCoMUTは、コードコンテキストマイニングと自動データセット生成のためのJavaツールである。 フォーカスメソッドのコンテキストを抽出したり、クラス、パッケージ、システムスコープで生成する。 バイトコードレベルの呼び出しエッジをSpoonベースのソース抽出と照合する。
• 参考スコア（独自算出の注目度）: 42.74910910773241
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Software-engineering assistants often need method-level context beyond an isolated body, including enclosing-class information, documentation, callers, callees, type hierarchy, and structural characteristics. Manually collecting this context is time-consuming, inconsistent, and difficult to reproduce across large Java projects. We present CoCoMUT, a Java tool for Code-Context Mining and Automated Dataset Generation. CoCoMUT extracts context for a focal method or generates datasets at class, package, or system scope. It discovers project structure, resolves build and classpath information, constructs a SootUp static call graph, and reconciles bytecode-level call edges with Spoon-based source extraction. Each method record combines source, class, documentation, call-graph, and metadata context, providing reproducible inputs for training and running learned software-engineering techniques. The key contribution is a reusable, task-independent pipeline that unifies build discovery, source extraction, call-graph construction, source-bytecode reconciliation, and versioned JSON dataset generation. The resulting records can be consumed individually as context for a focal method or collectively as datasets for documentation, explanation, testing, review, repair, search, and program-comprehension workflows. We evaluate CoCoMUT on 20 real-world Java repositories evenly split between Maven and Gradle. CoCoMUT processed all 20 repositories, emitting 56,512 method-context records and 386,048 serialized call edges. Among call edges whose bytecode targets belonged to project source, CoCoMUT reconciled 97.8% to source method identities. In a manual audit of 200 randomly sampled methods across 10 systems, 99.0% of generated context records passed all applicable correctness checks.
• Abstract（参考訳）: ソフトウェアエンジニアリングアシスタントは、囲い込みクラス情報、ドキュメント、呼び出し元、呼び出し元、型階層、構造的特徴を含む、分離されたボディを超えたメソッドレベルのコンテキストを必要とすることが多い。 このコンテキストを手作業で収集することは、時間がかかり、一貫性がなく、大規模なJavaプロジェクト間で再現することが難しい。 コードコンテキストマイニングと自動データセット生成のためのJavaツールであるCoCoMUTを紹介します。 CoCoMUTは、フォーカスメソッドのコンテキストを抽出するか、クラス、パッケージ、システムスコープでデータセットを生成する。 プロジェクト構造を発見し、ビルドとクラスパス情報を解決し、SootUpの静的コールグラフを構築し、バイトコードレベルのコールエッジをSpoonベースのソース抽出と照合する。 各メソッドレコードは、ソース、クラス、ドキュメンテーション、コールグラフ、メタデータコンテキストを組み合わせて、学習したソフトウェアエンジニアリングテクニックのトレーニングと実行のための再現可能なインプットを提供する。 主なコントリビューションは、再利用可能なタスクに依存しないパイプラインで、ビルドディスカバリ、ソース抽出、コールグラフの構築、ソース-バイトコードの和解、バージョン付きJSONデータセット生成を統一する。 結果のレコードは、フォーカスメソッドのコンテキストとして、あるいはドキュメント、説明、テスト、レビュー、修復、検索、プログラム理解ワークフローのためのデータセットとして、個別に消費することができる。 現実世界のJavaリポジトリ20のCoCoMUTを評価し、MavenとGradleを均等に分割した。 CoCoMUTは20のリポジトリ全てを処理し、56,512のメソッドコンテキストレコードと386,048のシリアライズされたコールエッジを出力した。 バイトコードのターゲットがプロジェクトソースに属するコールエッジの中で、CoCoMUTは97.8%をソースメソッドのIDに一致させた。 10のシステムにわたってランダムにサンプリングされた200のメソッドのマニュアル監査では、生成されたコンテキストレコードの99.0%が適用可能な正当性チェックをパスした。

関連論文リスト

• Beyond Repository Boundaries: Cross-Repository Graph Retrieval for Code Generation [15.95046921483187]
  CrossCoderはクロスリポジトリのコード生成フレームワークで、外部ライブラリを検索コンテキストに明示的に組み込む。 CrossCoderは機能的正確性(pass@1で最大6.3%)と依存性の変換に対する堅牢性の両方を一貫して改善している。
  論文  参考訳（メタデータ） (2026-09-09T10:14:14Z)
• PITMuS: A Tool for Automated Bug Dataset Generation via Source-Level Mutant Reconstruction [5.590965631053725]
  PITMuSは、バイトコードレベルで突然変異を実行するJavaの突然変異テストツールである。 PITMuS XMLメタデータとコンパイルされたJavaクラスファイルからのデバッグ情報を組み合わせて、各ミュータントに対応するソース編集をローカライズし、再構築する。 ソースレベルのバグと固定コードペア、ドキュメントコンテキスト、下流のトレーニングと評価のためのメタデータを含む構造化データセットを生成する。
  論文  参考訳（メタデータ） (2026-05-21T02:59:19Z)
• SmartDoc: A Context-Aware Agentic Method Comment Generation Plugin [1.5564942747425397]
  プログラムの主要なビルディングブロックとしてのメソッドは、コード理解のための知識ソースを開発者に提供します。 We propose a solution as a IntelliJ IDEA plugin, named SmartDoc, which help developers to generate context-aware method comments。
  論文  参考訳（メタデータ） (2025-11-01T08:33:57Z)
• GRACE: Graph-Guided Repository-Aware Code Completion through Hierarchical Code Fusion [33.66085762717581]
  LLMはローカライズされたコード補完に優れていますが、コンテキストウィンドウが限られているため、リポジトリレベルのタスクに苦労しています。 GRACEは、静的および動的コードセマンティクスの両方をキャプチャするために、マルチレベルでマルチセマンティックなコードグラフを構築する。 実験によると、GRACEはすべてのメトリクスで最先端のメソッドよりも大幅に優れています。
  論文  参考訳（メタデータ） (2025-09-07T09:01:48Z)
• CLOVER: A Test Case Generation Benchmark with Coverage, Long-Context, and Verification [71.34070740261072]
  本稿では,テストケースの生成と完成におけるモデルの能力を評価するためのベンチマークCLOVERを提案する。 ベンチマークはタスク間でのコード実行のためにコンテナ化されています。
  論文  参考訳（メタデータ） (2025-02-12T21:42:56Z)
• Cuvis.Ai: An Open-Source, Low-Code Software Ecosystem for Hyperspectral Processing and Classification [0.4038539043067986]
  cuvis.aiは、データ取得、前処理、モデルトレーニングのためのオープンソースでローコードなソフトウェアエコシステムである。 パッケージはPythonで書かれており、一般的な機械学習ライブラリのラッパーを提供する。
  論文  参考訳（メタデータ） (2024-11-18T06:33:40Z)
• Contextualized Data-Wrangling Code Generation in Computational Notebooks [131.26365849822932]
  我々は、マルチモーダルなコンテキスト依存を明確にしたデータラングリングコード生成例をマイニングするために、CoCoMineという自動アプローチを提案する。 コンテクスト化されたデータラングリングコード生成のための58,221のサンプルを含むデータセットであるCoCoNoteをNotebooksで構築する。 実験結果は、データラングリングコード生成にデータコンテキストを組み込むことの重要性を示す。
  論文  参考訳（メタデータ） (2024-09-20T14:49:51Z)
• Long Code Arena: a Set of Benchmarks for Long-Context Code Models [75.70507534322336]
  Long Code Arenaは、プロジェクト全体のコンテキストを必要とするコード処理タスクのための6つのベンチマークスイートである。 これらのタスクは、ライブラリベースのコード生成、CIビルドの修復、プロジェクトレベルのコード補完、コミットメッセージ生成、バグローカライゼーション、モジュールの要約といった、コード処理のさまざまな側面をカバーする。 各タスクに対して、テスト用の手作業によるデータセット、評価スイート、オープンソースのベースラインソリューションを提供しています。
  論文  参考訳（メタデータ） (2024-06-17T14:58:29Z)
• RepoCoder: Repository-Level Code Completion Through Iterative Retrieval and Generation [96.75695811963242]
  RepoCoderはリポジトリレベルのコード補完プロセスを合理化するフレームワークである。 類似性ベースのレトリバーと、事前訓練されたコード言語モデルが組み込まれている。 バニラ検索で拡張されたコード補完アプローチよりも一貫して優れています。
  論文  参考訳（メタデータ） (2023-03-22T13:54:46Z)
• 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)

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。