@article{oai:ipsj.ixsq.nii.ac.jp:02001747,
 author = {丸山,勝久 and Katsuhisa Maruyama},
 issue = {4},
 journal = {情報処理学会論文誌},
 month = {Apr},
 note = {リファクタリングとは，ソフトウェアシステムの外部的振舞いを維持しつつ，その内部構造を変化させることで，それらの可読性や保守性を向上させる作業である．残念ながら，自動化されたリファクタリングの数には限りがあるため，バグを混入させる恐れのある手動リファクタリングは避けられない．このような状況において，適用したリファクタリングが将来のバグ修正を誘発した可能性を開発者が迅速に把握することができれば，リファクタリングを適用した直後にバグを取り除く可能性が高くなる．本論文では，18個の機械学習アルゴリズムに基づく予測モデルの構築を通して，バグを誘発するリファクタリングの予測性能を評価した実験結果を示す．結果として，リファクタリングインスタンスごとに収集した変更コードのメトリクス値を含む学習データを利用することで，ROC-AUCの値が0.962程度の予測モデルが得られることが分かった．, Refactoring is the process of improving the readability and maintainability of software systems by changing their internal structure while preserving their external behavior. Unfortunately, manual refactoring that may introduce bugs is unavoidable due to the limited number of automated refactorings. In such situations, if developers can quickly figure out the possibility of the applied refactorings to induce future bug fixes, they are likely to remove bugs immediately after the application of the refactorings. This paper presents the experimental results of evaluating the performance of prediction for refactorings that induce bugs through the construction of prediction models based on 18 machine-learning algorithms. The results showed that a prediction model with a ROC-AUC value of around 0.962 could be obtained using the training data that contain metrics values of the modified code collected for each refactoring instance.},
 pages = {632--646},
 title = {機械学習に基づくバグ誘発リファクタリングの予測},
 volume = {66},
 year = {2025}
}