.png){kind=icon}
返回
Improving Maintenance-Consistency Prediction During Code Clone Creation
.png){kind=icon}
OA
AI
DOI：10.1109/ACCESS.2020.2990645.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在软件开发阶段，开发人员经常通过复制和粘贴操作将代码克隆引入软件中，以缩短开发时间。并非所有这样的克隆创建都有益于软件维护，因为它们可能在软件维护阶段引入额外的努力，其中需要额外的注意以确保这些克隆之间的一致改变; 即，对一段代码所做的改变可能需要传播到其他克隆。这样做的失败可能会冒着将错误引入软件的风险，这些错误通常被称为一致缺陷。为了应对因引入新克隆而导致的高昂维护成本，一些研究人员提倡使用机器学习方法来预测新引入克隆时一致变更要求的可能性。这种方法的领导者是Wang等人的工作，该工作使用贝叶斯网络对新引入的克隆的维护一致性进行建模。在这项工作中，我们通过提供一组修订的属性来利用上述工作的成功，这些属性已被证明可以增强贝叶斯网络模型的预测能力，这是由精度和召回水平更定量地确定的。我们首先提供克隆一致性维护要求的定义，这可以帮助将此问题转换为分类问题。然后，在通过遍历克隆谱系收集所有克隆创建操作的基础上，我们重新设计了用于表示克隆创建的属性集，其中包含代码和上下文透视图中的更多信息。我们通过更多的定量分析评估了我们的方法在四个开源项目上的有效性，实验结果表明我们的方法在预测克隆一致性方面具有强大的能力。为了将此工作付诸实践，我们开发了此预测的Eclipse插件工具，以帮助开发人员进行软件开发和维护。
Keyword:
Code clones
clone consistent change
clone consistency prediction
software maintenance
machine learning
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.6
论文数:
9.8W
被引数:
29.4W
机构
引用论文
Volcanic, Coseismic, and Seasonal Changes Detected at White Island (Whakaari) Volcano, New Zealand, Using Seismic Ambient Noise使用地震环境噪声在新西兰怀特岛 (Whakaari) 火山检测到的火山，同震和季节变化OAAI
.png){kind=icon}
OAAI分享收藏分享收藏
查看更多内容