コンテキストを考慮したSelf-Admitted Technical Debt検出ツールの提案にむけて

• Item type: SIG Technical Reports(1)
• 公開日: 2023-11-23
• タイトル: コンテキストを考慮したSelf-Admitted Technical Debt検出ツールの提案にむけて
• タイトル / 言語: en
• タイトル: Toward Proposing a Context-Aware Self-Admitted Technical Debt Detection Tool
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 奈良先端科学技術大学院大学
• 著者所属: 奈良先端科学技術大学院大学
• 著者所属: 東京都市大学
• 著者所属: 奈良先端科学技術大学院大学
• 著者所属: 奈良先端科学技術大学院大学
• 著者名: 米倉, 未樹; 柏, 祐太郎; 藤原, 賢二; 平尾, 俊貴; 飯田, 元
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: Self-Admitted Technical Debt（SATD）とは，コード中に存在する不具合や解消すべき課題のことであり，その中でも開発者が課題を認識した上でコードに埋め込んだものを指す．例えば，開発者は SATD コメントをコード内に記述することで，現在の実装が最適でなく，将来の保守が必要であることをチームに周知することができる．近年では SATD を容易に分析するために，様々な SATD 検出手法が提案されている．しかし，ソースコードの処理を説明するコメントが SATD として誤検出される例が散見されている．本研究ではソースコード内のコンテキストを考慮することで誤検出を防止し，SATD 検出精度の向上を試みる．具体的には，CodeBERT を用いてコメントと直下のソースコードを入力として学習する．Maldonado らのデータセットを用いた評価実験では，コメントと直下のソースコードを学習した提案モデルは，コメントのみを入力として与えたモデルと比較して Acuuracy が 3.8% 向上した．また，Precision が 0.3% 低下したものの，Recall が 10% 向上したことで，F1 score が 4.8% 向上した．
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10112981
• 書誌情報: 研究報告ソフトウェア工学（SE）; 巻 2023-SE-215, 号 6, p. 1-8, 発行日 2023-11-23
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8825
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会