[論文レビュー] Software Engineering Meets Deep Learning: A Literature Review.

Fábio Ferreira, Luciana Lourdes Silva+1 more|arXiv (Cornell University)|Sep 25, 2019

Software Engineering Research参考文献 70被引用数 7

ひとこと要約

本論文は、ディープラーニング（DL）とソフトウェア工学（SE）の交差点に位置する81件の研究を網羅的にレビューし、欠陥予測、テスト、ドキュメンテーションなどのSEタスクへのDLの応用に関する最近の進展を統合的に要約している。主なトレンド、課題、研究ギャップを特定し、この分野における今後の研究の基盤となる参照資料を提供する。

ABSTRACT

Deep learning (DL) is being used nowadays in many traditional software engineering (SE) problems and tasks, such as software documentation, defect prediction, and software testing. However, since the renaissance of DL techniques is still very recent, we lack works that summarize and condense the most recent and relevant research conducted in the intersection of DL and SE. Therefore, in this paper we describe the first results of a literature review covering 81 papers about DL & SE.

研究の動機と目的

• ディープラーニングとソフトウェア工学の交差点における最近の研究を要約する包括的レビューが不足しているという問題を解決すること。
• 従来のSEタスクにディープラーニング技術を適用する、最も関連性が高く最近の研究を特定・分類すること。
• 81件のレビュー済み論文からの実証的証拠に基づき、DLとSE分野におけるトレンド、課題、未解決の研究課題を分析すること。
• 既存の研究をマップし、未開拓の分野を強調することで、今後の研究の構造的基盤を提供すること。

提案手法

• PRISMA指針に従った体系的文献レビューを実施し、学術データベースから関連する研究を特定・選定した。
• DLのSEタスクへの応用に焦点を当てた事前定義された含む・除外する基準に基づき、81件の論文をスクリーニングした。
• 応用分野（例：欠陥予測、テスト、ドキュメンテーション）、使用されたDL技術、研究の焦点ごとに研究を分類した。
• モデルアーキテクチャ、データソース、評価指標、および研究間での報告されたパフォーマンスのトレンドを分析した。
• テーマクラスタに統合して、繰り返し現れるパターンと研究ギャップを浮き彫りにした。
• 制限事項と今後の研究方向性を含め、現在の最先端状況の構造的概要を提供した。

実験結果

リサーチクエスチョン

• RQ1 最近の研究でディープラーニングが取り組んでいる主なソフトウェア工学タスクは何か？
• RQ2 SEの文脈で最も頻繁に適用されているディープラーニングアーキテクチャと技術は何か？
• RQ3 DLベースのSE研究ではパフォーマンスがどのように評価されており、報告された指標と結果は何か？
• RQ4 現在のDLとSE研究で特定された主な課題と制限は何であるか？
• RQ5 この学際的分野における今後の研究のギャップと機会は何か？

主な発見

• 欠陥予測が最も頻繁に研究されている応用分野であり、畳み込みニューラルネットワークと再帰ニューラルネットワークが主なディープラーニングアーキテクチャである。
• 多くの研究で、欠陥予測において中程度から高いパフォーマンスが報告されており、評価結果のF1スコアは0.6から0.85の範囲に分布している。
• 自動テストケース生成やコードドキュメンテーションへの応用は、有望な初期結果を示しているが、欠陥予測に比べて未だ十分に調査されていない。
• 多くの研究が限定的または特許を取得したデータセットに依存しており、再現性と一般化可能性に懸念が生じている。
• DLとSE研究の間で標準化された評価プロトコルやベンチマークデータセットが著しく不足している。
• 研究トレンドは、トランスフォーマーに基づくモデルや自己教師あり学習への関心の増加を示しているが、現時点でのSE応用への導入は限定的である。