[论文解读] Towards Anticipation of Architectural Smells using Link Prediction Techniques

J. Andrés Díaz‐Pace, Antonela Tommasel+1 more|arXiv (Cornell University)|Aug 20, 2018

Software Engineering Research参考文献 20被引用 11

一句话总结

本文提出一种主动方法，通过将链接预测技术应用于从软件系统版本中提取的包依赖图，以预测架构异味——特别是循环依赖和中心化依赖。利用基于拓扑特征和内容特征的机器学习方法，该方法可预测未来可能出现的依赖关系，并以高召回率识别出异味实例，从而在代码更改实施前实现早期检测。

ABSTRACT

Software systems naturally evolve, and this evolution often brings design problems that cause system degradation. Architectural smells are typical symptoms of such problems, and several of these smells are related to undesired dependencies among modules. The early detection of these smells is important for developers, because they can plan ahead for maintenance or refactoring efforts, thus preventing system degradation. Existing tools for identifying architectural smells can detect the smells once they exist in the source code. This means that their undesired dependencies are already created. In this work, we explore a forward-looking approach that is able to infer groups of likely module dependencies that can anticipate architectural smells in a future system version. Our approach considers the current module structure as a network, along with information from previous versions, and applies link prediction techniques (from the field of social network analysis). In particular, we focus on dependency-related smells, such as Cyclic Dependency and Hublike Dependency, which fit well with the link prediction model. An initial evaluation with two open-source projects shows that, under certain considerations, the predictions of our approach are satisfactory. Furthermore, the approach can be extended to other types of dependency-based smells or metrics.

研究动机与目标

• 解决现有工具仅在代码中出现后才检测架构异味的局限性。
• 在依赖关系被实现前，主动预测基于依赖的架构异味的出现。
• 通过利用历史系统版本和依赖图上的机器学习，提升早期检测能力。
• 评估链接预测在真实系统中预见架构异味的可行性和性能。

提出的方法

• 将当前及历史系统版本建模为包依赖图，将依赖关系视为网络中的链接。
• 应用社会网络分析中的链接预测技术，推断未来可能的模块依赖关系。
• 使用拓扑特征（例如，共同邻居、Jaccard指数）和内容特征（例如，代码相似度、包名）训练机器学习分类器，以预测新依赖关系。
• 基于已知的异味模式（例如，循环、中心节点）设计过滤策略，将预测的依赖关系转化为可检测的架构异味实例。
• 使用版本化的依赖图和未来版本中的真实异味实例，在两个开源Java系统上评估预测结果。
• 整合拓扑特征和内容特征，以提高异味检测的预测准确率和召回率。

实验结果

研究问题

• RQ1 链接预测技术能否有效预见未来软件版本中的架构异味？
• RQ2 引入内容特征在检测基于依赖的架构异味方面有何改进作用？
• RQ3 包依赖图的拓扑特征在多大程度上支持对循环依赖和中心化依赖的准确预测？
• RQ4 不同过滤策略如何影响预测的架构异味的精确率与召回率？
• RQ5 预测性能对系统结构和版本历史的敏感程度如何？

主要发现

• 该方法在检测未来系统版本中实际存在的架构异味方面实现了高召回率，显示出较强的早期预警潜力。
• 引入内容特征显著提升了机器学习分类器在预测潜在依赖关系方面的性能。
• 对单个依赖关系的预测效果良好，分类器成功识别出许多后续形成架构异味的依赖。
• 基于已知异味模式（如循环、中心节点）的过滤策略，成功将预测的依赖关系转化为可检测的异味实例。
• 该方法的性能对系统的整体结构和版本历史较为敏感，表明其行为具有上下文依赖性。
• 尽管存在部分误报，该方法仍展现出在真实系统中进行主动架构异味检测的可行性与可扩展性。