[论文解读] A Survey of Refactoring Detection Techniques Based on Change History Analysis

Eunjong Choi, Kenji Fujiwara+2 more|arXiv (Cornell University)|Aug 7, 2018

Firm Innovation and Growth被引用 5

一句话总结

本文基于变更历史分析，对重构检测技术进行了综述，将其分类为六种子类型，并评估了其有效性。研究识别出检测准确率和可扩展性方面的关键挑战，并提出了未来研究方向，包括结合多种检测技术以及建立共享数据集的标准化定量评估框架。

ABSTRACT

Refactoring is the process of changing a software system in such a way that it does not alter the external behavior of the code yet improves its internal structure. Not only researchers, but also practitioners, need to know about past refactoring instances performed in a software development project. So far, a number of techniques have been proposed for automatic detection of refactoring instances. Those techniques have been presented in various international conferences and journals, however, it is difficult for researchers and practitioners to grasp the current status of studies on refactoring detection techniques. In this survey paper, we review various refactoring detection techniques, especially techniques based on change history analysis. First, we give the definition and categorization of refactoring detection methods in this paper, and then introduce refactoring detection techniques based on change history analysis. Finally, we discuss possible future research directions for refactoring detection.

研究动机与目标

• 为研究人员和实践者提供基于变更历史分析的重构检测技术的全面综述。
• 将基于变更历史分析的现有技术划分为六种子类别并进行分析。
• 识别当前研究中的空白，特别是多种技术组合与定量评估方面的不足。
• 提出未来研究方向，包括可扩展的检测方法和标准化基准数据集。
• 通过明确当前重构检测技术的最先进水平，支持实证研究和工具开发。

提出的方法

• 本文将重构检测技术主要划分为四类：提交日志挖掘、开发者观察、工具使用日志记录和变更历史分析。
• 进一步将基于变更历史的技术细分为六种子类别：克隆检测、基于抽象语法树（AST）的分析、基于度量的分析、基于遗传算法的方法、基于AST元素相似性的分析，以及带验证的迭代重构应用。
• 针对每个子类别，本文回顾了代表性技术，例如用于动态分析的Ref-Finder，以及Thangthumachit等人提出的基于AST相似性的方法。
• 研究基于技术检测混合重构的能力、处理误报的能力，以及在大规模版本历史中的可扩展性进行评估。
• 强调通过比较代码版本之间的结构和度量特征来推断重构操作，同时保持外部行为不变。
• 本文主张建立标准化数据集和定量评估框架，以实现不同技术之间的公平比较。

实验结果

研究问题

• RQ1 基于变更历史分析的重构检测技术目前如何分类，其核心机制是什么？
• RQ2 现有重构检测技术在准确率、可扩展性和误报率方面存在哪些局限性？
• RQ3 如何结合多种检测技术以提高检测的精确率和召回率？
• RQ4 在重构检测工具的定量评估中面临哪些关键挑战？
• RQ5 在自动化重构检测技术的前沿发展中，哪些未来研究方向最为关键？

主要发现

• 尽管结合规则驱动、克隆检测和基于遗传算法的方法可能显著提升准确率，但极少有研究探索此类组合方法。
• 由于缺乏标准化数据集和对重构实例（包括不纯或floss重构）的明确定义，重构检测技术的定量评估仍然有限。
• 现有技术通常对每对版本的整个代码库进行分析，导致在纵向版本序列中扩展时计算成本过高。
• 基于AST相似性和迭代重构应用的技术在检测复杂混合重构方面表现出较高精度，具有较大潜力。
• 本研究强调需要共享数据集和评估机制，以实现检测工具的公平且可复现的基准测试。
• 针对版本数量的可扩展性评估仍不充分，表明亟需轻量级的仅差分分析方法。