論文の概要: The Construction of an Empirical Dataset of Incomplete Software Changes from Open Source Projects
- arxiv url: http://arxiv.org/abs/2609.34317v1
- Date: Mon, 28 Sep 2026 04:58:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 21:51:29.556625
- Title: The Construction of an Empirical Dataset of Incomplete Software Changes from Open Source Projects
- Title（参考訳）: オープンソースプロジェクトからの不完全なソフトウェア変更の実証データセットの構築
- Abstract要約: オープンソースソフトウェア群から不完全な変更をマイニングしてデータセットを構築する。
この構築されたデータセットを用いて不完全な変更の特性を分析し、欠落した変更の89.4%が5つ以上のファイルを含むことがわかった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: During software development, a modification to a software component may propagate across the system, requiring precise identification and correct revision of all affected components. This is a complex task, and developers often (45.7%) miss related changes. To address this, several methods have been developed to extract co-change rules from files that are frequently changed together in the revision history. However, previous research evaluated the methods using artificially created incomplete changes, which may not be representative of real-world data. To solve this problem, we construct a dataset by mining incomplete changes from a collection of open-source software, using information about induced bugs and their respective fixes from an issue tracking platform. We also analyze the characteristics of incomplete changes using this constructed dataset and found that 89.4% of missed changes involved five or fewer files. Finally, we re-evaluate LCExtractor, an existing co-change rule extraction method, on our constructed dataset, and we identify the optimal sorting criterion and the impact of the number of used commits.
- Abstract（参考訳）: ソフトウェア開発では、ソフトウェアコンポーネントの変更がシステム全体に伝播し、影響を受けるすべてのコンポーネントの正確な識別と修正が必要である。
これは複雑な作業であり、開発者はしばしば(45.7%)関連する変更を見逃す。
これを解決するために、リビジョン履歴で頻繁に変更されるファイルから共変更ルールを抽出するいくつかの方法が開発されている。
しかし、従来の研究では、人工的に作成した不完全変化を用いた手法が評価されており、これは実世界のデータを表すものではないかもしれない。
この問題を解決するために,問題追跡プラットフォームから発生したバグとその修正に関する情報を用いて,オープンソースソフトウェア群から不完全な変更をマイニングしてデータセットを構築する。
また、この構築されたデータセットを用いて不完全な変更の特性を分析し、欠落した変更の89.4%が5つ以上のファイルを含むことがわかった。
最後に,既存の共変更ルール抽出手法であるLCExtractorを構築データセット上で再評価し,最適ソート基準と使用したコミット数の影響を同定する。
関連論文リスト
- DepRepair: LLM-Based Source-Code Repair for Dependency Breaking Changes [26.444574129479463]
DepRepairは、3つのコンポーネントで構築された上流の証拠を修復する単一コールLLMアプローチである。
GPT-5.5で89.5%、Claude Opus 4.6で82.1%となる。
論文 参考訳（メタデータ） (2026-07-20T13:58:13Z) - An Extensive Replication Study of the ABLoTS Approach for Bug Localization [47.89260192608388]
ABLoTSは、バグの多いソースコードスニペットを将来性のある結果で識別するためのIRBLアプローチである。
このアプローチの再現性について、元のデータセットと2つの拡張データセットを用いて検討する。
ABLoTSのコアであるTraceScoreコンポーネントは、拡張データセットで同等あるいはそれ以上の結果を生成する。
論文 参考訳（メタデータ） (2026-05-12T08:54:13Z) - Generating High-Quality Datasets for Code Editing via Open-Source Language Models [49.01026966779838]
我々は,リアルなコード編集三脚を合成するオープンソースのパイプラインであるOpenCodeEditを紹介する。
パイプラインは簡潔な"遅延"命令とより詳細な"記述"命令の両方を生成し、データ品質と多様性を保証するために差分とトピックに基づいたフィルタリングを適用する。
OCEDataFTの細調整された3つのベースモデルは、CanItEditベンチマークで大幅なパフォーマンス向上をもたらし、相対パス@1は4.50%から20.79%まで改善された。
論文 参考訳（メタデータ） (2025-09-19T03:57:39Z) - Detecting the Root Cause Code Lines in Bug-Fixing Commits by Heterogeneous Graph Learning [1.5213722322518697]
自動欠陥予測ツールは、ソフトウェアプロジェクト内の欠陥に起因するソフトウェア変更を積極的に識別することができる。
異質で複雑なソフトウェアプロジェクトにおける既存の作業は、異質なコミット構造に苦労したり、コード変更におけるクロスライン依存関係を無視したりといった課題に直面し続けている。
本稿では,バグフィックスグラフ構築コンポーネント,コードセマンティックアグリゲーションコンポーネント,クロスラインセマンティック保持コンポーネントの3つの主要コンポーネントからなるRC_Detectorというアプローチを提案する。
論文 参考訳（メタデータ） (2025-05-02T05:39:50Z) - 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) - Leveraging Large Language Models for Efficient Failure Analysis in Game Development [47.618236610219554]
本稿では,テストの失敗の原因となるコードの変更を自動的に識別する手法を提案する。
このメソッドは、LLM(Large Language Models)を利用して、エラーメッセージと対応するコード変更を関連付ける。
当社のアプローチは新たに作成したデータセットで71%の精度に達しています。
論文 参考訳（メタデータ） (2024-06-11T09:21:50Z) - Towards Understanding the Impact of Code Modifications on Software Quality Metrics [1.2277343096128712]
本研究の目的は、コード修正がソフトウェアの品質指標に与える影響を評価し、解釈することである。
基礎となる仮説は、ソフトウェア品質のメトリクスに類似した変更を誘発するコード修正は、異なるクラスタにグループ化できる、というものである。
結果は、コード修正の異なるクラスタを明らかにし、それぞれに簡潔な記述が伴い、ソフトウェアの品質指標に対する全体的な影響を明らかにした。
論文 参考訳（メタデータ） (2024-04-05T08:41:18Z)
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。