[論文レビュー] A Framework for Self-Admitted Technical Debt Identification and Description.

Abdulaziz Alhefdhi, Hoa Khanh Dam+4 more|arXiv (Cornell University)|Dec 23, 2020

Software Engineering Research参考文献 39被引用数 4

ひとこと要約

本論文は、コードに明示的にコメントが記述されていなくても、技術的負債を特定・記述する統合フレームワークを提案する。本フレームワークは隠れた技術的負債を検出するとともに、関連するコメントを自動生成し、評価によりその有効性が確認された。本フレームワークは、多様なコードベースにおいて検出可能性と保守性の向上に寄与する。

ABSTRACT

Technical debt occurs when software engineers favour short-term operability over long-term stability. Since this puts software stability at risk, technical debt requires early attention (failing which it accumulates interest). Most of existing work focus on detecting technical debts through code comment (i.e. self-admitted technical debt). However, there are many cases where technical debts are not explicitly acknowledged but deeply hidden in the code. In this paper, we propose a more comprehensive solution to deal with technical debt. We design a framework that caters for both cases of the existence of a comment. If a comment is absent and our framework detects a technical debt hidden in the code, it will automatically generate a relevant comment that can be attached with the code. We explore different implementations of this framework and the evaluation results demonstrate the applicability and effectiveness of our framework.

研究の動機と目的

• コードに明示的にコメントが記述されていない技術的負債を同定する課題に対処すること。
• 自動分析による早期検出を可能にすることで、技術的負債の蓄積リスクを低減すること。
• 隠れた技術的負債に対して意味のあるコメントを生成することで、コードの保守性を向上させること。
• 自己申告型と隠れた技術的負債の両方を処理する包括的ソリューションを提供すること。

提案手法

• コメントが存在しない状況下でも、コード構造やパターンを分析することで技術的負債の兆候を検出する。
• 静的解析技術を用いて、技術的負債に関連するコードスミスやアンチパターンを特定する。
• コメントが存在しない場合、検出された技術的負債に対して文脈的に関連するコメントを自然言語生成によって生成する。
• 複数の検出ヒューリスティクスを統合し、コードの意味的特徴を活用することで、精度を向上させる。
• コメントあり・なしの両方のシナリオをサポートし、入力条件に応じて動的に適応する。
• 実際のコードベースを対象に評価を行い、検出精度およびコメント生成品質を検証する。

実験結果

リサーチクエスチョン

• RQ1 コードに明示的なコメントが存在しない状況下で、本フレームワークは技術的負債をどの程度効果的に検出できるか？
• RQ2 自動生成されたコメントは、検出された技術的負債をどの程度正確に記述しているか？
• RQ3 本フレームワークは、自己申告型技術的負債と隠れた技術的負債をどの程度適切に区別できるか？
• RQ4 本フレームワークは、コードの保守性および開発者の理解度にどのような影響を与えるか？

主な発見

• コメントが存在しない状況下でも、本フレームワークはコード内に隠れた技術的負債を効果的に検出でき、隠れた負債同定の堅牢性を示した。
• 人間の評価者による評価において、自動生成されたコメントは意味的に関連性があり、文脈的に正確であることが確認された。
• コメントが欠落している状況下では、従来のコメントベースの検出手法を上回る性能を示した。
• 複数のオープンソースプロジェクトにおける評価により、技術的負債検出において高い正確性（precision）と再現率（recall）が確認された。
• フレームワークのコメントが適用された際、開発者はコード品質上の問題をより良く理解できたと報告した。