論文の概要: Evolution of Deprecated APIs and Their Replacements in Python Libraries
- arxiv url: http://arxiv.org/abs/2609.32618v1
- Date: Sat, 26 Sep 2026 13:39:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-07 04:57:03.138527
- Title: Evolution of Deprecated APIs and Their Replacements in Python Libraries
- Title（参考訳）: 非推奨のAPIの進化とPythonライブラリの置き換え
- Abstract要約: APIの非推奨は、ライブラリの進化において一般的だが、移行には代替品の発見と呼び出しの適応が必要である。
本稿では,置換局所性,パラメータ-インタフェースの違い,バージョン間の置換ランキングの変化,非推奨のライフサイクルについて検討する。
- 参考スコア（独自算出の注目度）: 0.8594140167290097
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Context: API deprecation is common in library evolution, but migration requires finding replacements and adapting calls. Prior studies examine deprecation, replacement identification, and client migration separately, leaving deprecated API-replacement API relationships across releases and lifecycle states insufficiently understood. Objective: We examine replacement locality, parameter-interface differences, changes in replacement rankings across versions, and post-deprecation lifecycles from source-definition and original-invocation perspectives. Method: We construct 830 maintainer-specified mappings from 33 Python libraries, covering classes, functions, and methods. We compare definitions, track similarity-based rankings under two migration scenarios, and identify lifecycle events through source inspection and release-by-release execution. Results: Same-module replacements account for 39.1%, 55.6%, and 79.9% of class, function, and method mappings, respectively. Most mappings have no parameter changes, but function mappings show more frequent and diverse changes. Rankings vary across releases and code representations, and the applicable methods agree on the overall trend in only about 60% of cases. Other-candidate effects are dominant or mixed in 49.0% of key versions. After deprecation, 56.4% of mappings retain the source definition and 68.6% retain an executable original invocation. Among 753 mappings with at least one observed ending event, 25.2% are source-first or invocation-first rather than same-release. Of these cases, 77.4% are source-first. Conclusions: Deprecated API-replacement API relationships depend on API granularity, release context, code representation, candidate competition, and lifecycle state. These results support evolution-aware replacement API recommendation and automated API migration.
- Abstract（参考訳）: コンテキスト: APIの非推奨はライブラリの進化において一般的だが、移行には代替手段の発見と呼び出しの適応が必要だ。
以前の研究では、非推奨、置換識別、クライアントマイグレーションを別々に検討し、非推奨のAPI代替APIの関係をリリースとライフサイクル状態間で十分に理解していないままにしている。
目的: ソース定義とオリジナル呼び出しの観点から, 置換局所性, パラメータ・インタフェースの違い, バージョン間での置換ランクの変更, および, 廃止後のライフサイクルについて検討する。
メソッド: 33のPythonライブラリから830のメンテナ指定マッピングを構築し、クラス、関数、メソッドをカバーします。
2つの移行シナリオで定義を比較し、類似性に基づくランキングを追跡し、ソースインスペクションとリリースバイリリースの実行を通じてライフサイクルイベントを識別する。
結果: 同じモジュール置換は、それぞれ39.1%、55.6%、79.9%のクラス、関数、メソッドマッピングである。
ほとんどのマッピングにはパラメータの変更はないが、関数マッピングはより頻繁で多様な変更を示している。
ランク付けはリリースやコード表現によって異なり、適用可能な方法は全体の60%のケースで一致している。
他の候補効果は49.0%の鍵バージョンで支配的または混合的である。
廃止後、56.4%のマッピングがソース定義を保持し、68.6%が実行可能元の呼び出しを保持する。
少なくとも1つの観測エンディングイベントを持つ753のマッピングのうち、25.2%はソースファーストまたは呼び出しファーストであり、同リリースではない。
このうち77.4%がソース優先である。
結論: 廃止されるAPI代替APIの関係は、APIの粒度、リリースコンテキスト、コード表現、候補競合、ライフサイクル状態に依存します。
これらの結果は、APIレコメンデーションと自動APIマイグレーションをサポートする。
関連論文リスト
- What Was Once Learned May Need to Be Unlearned: Machine Unlearning for Deprecated API Knowledge in Large Language Models [9.220912359762261]
コード補完のための大規模言語モデル(LLM)は、トレーニング前のコーパスが歴史的なライブラリバージョンのコードを含んでいるため、非推奨のAPIを生成する可能性がある。
既存のアプローチでは、推論時間の介入、モデル編集、あるいはマシンアンラーニングが使用されているが、複数の妥当な完了によって、事前定義された置換が制限される。
我々は、非推奨のAPI知識に対する機械学習の体系的な実証的研究を行い、7000以上のモデル固有のインスタンスを持つ行動グラウンドベンチマークであるMUDAPIBenchを構築した。
論文 参考訳（メタデータ） (2026-09-22T07:20:16Z) - Bridge: Automatically Mining Ecosystem-Scale API Update Mappings and Client Update Instances [13.886877756519516]
APIアップデートマッピングは、自動ライブラリ更新技術の開発と評価に不可欠である。
私たちは、エコシステムスケールのライブラリ更新データセットを自動構築するクライアント駆動フレームワークであるBridgeを紹介します。
Bridgeは、それぞれ2,557ライブラリと999ライブラリにわたる18,900と4,456のAPIアップデートマッピングを表す、381,661 Javaと277,259 Pythonクライアントアップデートインスタンスをマイニングする。
論文 参考訳（メタデータ） (2026-08-31T09:28:08Z) - OwlPath: Lossless Knowledge Compression for LLM Bug Repair [7.619030658625346]
LLMベースのソフトウェアエンジニアリングエージェントは、限られたコンテキストウィンドウによって制約される。
OwlPathは、CodeGraph上のOWL2推論層である。
ツリーシッター解析により、言語固有のセマンティクスを統一されたOWL2オントロジーにエンコードする。
論文 参考訳（メタデータ） (2026-07-28T08:42:57Z) - MEME: Multi-entity & Evolving Memory Evaluation [76.57263966646404]
MEMEは、マルチエンタリティと進化する軸によって定義される全空間にまたがる6つのタスクを定義している。
3つの記憶パラダイムにまたがる6つの記憶システムの評価。
デフォルト設定の下では、すべてのシステムが依存性の推論で崩壊しているのが分かります。
論文 参考訳（メタデータ） (2026-05-12T17:55:10Z) - Correct Code, Vulnerable Dependencies: A Large Scale Measurement Study of LLM-Specified Library Versions [52.50730821321986]
大規模言語モデル(LLM)におけるバージョンレベルのリスクの大規模評価を初めて行った。
我々は1000のStack OverflowプログラミングタスクのベンチマークであるPinTrace上で10のLLMを評価した。
LLM バージョン選択は LLM ベース開発における第1級, 以前は見落とされたリスクサーフェスとして確認された。
論文 参考訳（メタデータ） (2026-05-07T13:52:59Z) - RepoGenesis: Benchmarking End-to-End Microservice Generation from Readme to Repository [52.98970048197381]
RepoGenesisは、リポジトリレベルのエンドツーエンドWebマイクロサービス生成のための、最初の多言語ベンチマークである。
18のドメインと11のフレームワークに106のリポジトリ(60のPython、46のJava)があり、1,258のAPIエンドポイントと2,335のテストケースが検証されている。
その結果、高いAC(最大73.91%)とDSR(最大100%)にもかかわらず、最高のパフォーマンスのシステムはPythonで23.67%のPass@1、Javaで21.45%しか達成していないことが明らかになった。
論文 参考訳（メタデータ） (2026-01-20T13:19:20Z) - Diffploit: Facilitating Cross-Version Exploit Migration for Open Source Library Vulnerabilities [13.559398564795048]
Diffploitは2つのキーモジュールを中心に構成された反復的で差分駆動のエクスプロイトマイグレーション手法である。
79のライブラリにわたる102のJava CVEと689のバージョンマイグレーションタスクを含む大規模データセット上でDiffploitを評価する。
84.2%のエクスプロイトの移行に成功し、変更対応のテスト修正ツールであるTARGETを52.0%、IDEAのルールベースのツールを61.6%上回った。
論文 参考訳（メタデータ） (2025-11-17T04:06:01Z) - Evaluating Embedding APIs for Information Retrieval [51.24236853841468]
ドメインの一般化と多言語検索における既存のセマンティック埋め込みAPIの機能を評価する。
BM25の結果をAPIを使って再ランク付けすることは、予算に優しいアプローチであり、英語でもっとも効果的である。
非英語検索では、再ランク付けは結果を改善するが、BM25のハイブリッドモデルは高いコストで機能する。
論文 参考訳（メタデータ） (2023-05-10T16:40:52Z) - Characterizing Python Library Migrations [2.2557806157585834]
335Pythonライブラリのマイグレーションでは,3,096のマイグレーション関連のコード変更をラベル付けしています。
ライブラリペアの40%が、非関数型プログラム要素を含むAPIマッピングを持っていることが分かりました。
移行を行うには,平均して4つのAPIと2つのAPIマッピングについて学ぶ必要がある。
論文 参考訳（メタデータ） (2022-07-03T21:00:08Z) - Injecting Domain Adaptation with Learning-to-hash for Effective and
Efficient Zero-shot Dense Retrieval [49.98615945702959]
我々は,TAS-B高密度検索器の下流ゼロショット検索精度を向上させるためのLTHおよびベクトル圧縮技術を評価する。
以上の結果から, 従来の研究とは異なり, LTH法はゼロショットTAS-B高密度レトリバーを平均14%のnDCG@10で過小評価できることがわかった。
論文 参考訳（メタデータ） (2022-05-23T17:53:44Z)
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。