I Palit, G Shetty, H Arif and T Sharma. “Automatic Refactoring Candidate Identification Leveraging Effective Code Representation”. International Conference on Software Maintenance and Evolution, New Ideas and Emerging Results Track (ICSME NIER 2023)

➔ पूर्व-मुद्रण
↝ कॉन्फ़रेंस पृष्ठ

सार

मशीन लर्निंग का उपयोग रेफैक्टरिंग कैंडिडेट्स की स्वचालित पहचान के लिए एक तेजी से बदलते शोध क्षेत्र में है। इस दिशा में का अधिकांश काम स्रोत कोड मेट्रिक्स और कमिट संदेशों का उपयोग करता है रेफैक्टरिंग कैंडिडेट्स की पूर्वानुमान करने के लिए और स्रोत कोड की समृद्धि को नहीं उपयोग करता है। इस पेपर में हम एक नए दृष्टिकोण का प्रस्तुत करते हैं स्थानीय स्व-सुपरवाइजड ऑटोइंकोडर का उपयोग करके स्रोत कोड के संक्षेप रूप में उत्पन्न किए गए एक पूर्व-प्रशिक्षित बड़े भाषा मॉडल द्वारा। इसके बाद, हम एक बाइनरी वर्गीकरणकर्ता को प्रशिक्षित करते हैं जो एक्सट्रैक्ट मेथड रेफैक्टरिंग कैंडिडेट्स का पूर्वानुमान करने के लिए है। प्रयोग दिखाते हैं कि हमारा नया दृष्टिकोण F1 स्कोर के मामले में शीर्ष पर 30% से बेहतर है। प्रस्तुत कार्य का अर्थ संशोधकों और प्रैक्टिशनर्स के लिए है। सॉफ़्टवेयर डेवेलपर्स इस प्रस्तुत किए गए स्वचालित दृष्टिकोण का उपयोग बेहतर प्रेरित करने के लिए कर सकते हैं। यह अध्ययन उन्हें सुधारित रेफैक्टरिंग कैंडिडेट आईडेंटिफिकेशन विधियों के विकास को सुनिश्चित करने में सहायक होगा जो क्षेत्र में शोधकर्ता उपयोग कर सकते हैं और बढ़ा सकते हैं।

बीबीटेक्स

@INPROCEEDINGS{10336318,
  author={Palit, Indranil and Shetty, Gautam and Arif, Hera and Sharma, Tushar},
  booktitle={2023 IEEE International Conference on Software Maintenance and Evolution (ICSME)}, 
  title={Automatic Refactoring Candidate Identification Leveraging Effective Code Representation}, 
  year={2023},
  volume={},
  number={},
  pages={369-374},
  keywords={Measurement;Software maintenance;Codes;Source coding;Semantics;Machine learning;Task analysis;extract method refactoring;deep learning;code representation},
  doi={10.1109/ICSME58846.2023.00047}}