文献

J-GLOBAL ID：201802257593420354   整理番号：18A1638915

トークンのN-gramによるプログラム表現を用いたコードクローン検出手法

著者 (7件)： 向井達郎 (京大 大学院) ,  小林靖明 (京大 大学院情報学研究科) ,  紫藤佑介 (京大 大学院情報学研究科) ,  山本章博 (京大 大学院情報学研究科) ,  宮本篤志 (日立 基礎研究セ) ,  松村忠幸 (日立 基礎研究セ) ,  嶺竜治 (日立 基礎研究セ)
資料名： 情報処理学会研究報告(Web)  (IPSJ Technical Report (Web))
巻： 2018  号： SE-199  ページ： Vol.2018-SE-199,No.14,1-7 (WEB ONLY)  発行年： 2018年07月11日 
JST資料番号： U0451A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 同一または類似したコード片の対はコードクローンと呼ぼれ,ソフトウェアのメンテナンスを困難にさせる要因のひとつとして考えられている。このような背景の元で,数多くのコードクローン検出手法が提案されてきた。ソフトウェアの大規模化やGitHubなどのソースコードリポジトリの発達に伴い,コードクローンの検出対象も拡大しており,高精度でスケーラブルなクローン検出手法の重要性が増してきている。本稿では,大規模ソフトウェア群を対象としたコードクローン検出手法であるSourcererCC(Sajnani et al,ICSE2016)に基づいて,ソースコードから得られるトークン列のN-gramを用いたコードクローン検出手法を提案する。この手法はSourcererCCの一般化として位置付けられ,SourcererCCの高速化方法が同様に利用できるため,大規模なソフトウェア群にも適用性がある。計算機実験の結果,N-gramのNを増やすことで,コードの構文レベルでの類似度があまり高くないコード対において,SourcererCCに比べて高いコードクローンの検出精度を実現できることを確認した。さらに,識別子やリテラルの正則化によって,どの程度検出精度に影響が出るのかを検証した。(著者抄録)

シソーラス用語： *計算機コード ,  *インデクシング【計算機】 ,  リポジトリ ,  大規模 ,  アルゴリズム ,  係数 ,  測度 ,  類似性 ,  *検出法
準シソーラス用語： Jaccard係数 ,  Nグラム ,  コードクローン ,  ソースコード

分類 (1件)： 計算機システム開発  (JD02010R)

引用文献 (27件)：

• B. Augsten, M. Böhlen, J. Gamper: The pq-gram distance between ordered labeled trees. ACM Transactions on Database Systems 35(1), 4:1-4:36 (2010)
• B. S. Baker: On finding duplication and near-duplication in large software systems. In Proc. of WCRE 1995, pp. 86-95 (1995)
• I. D. Baxter, A. Yahin, L. Moura, M. Sant’Anna, L. Bier: Clone Detextion Using Abstract Syntax Trees. In Proc. of ICSM 1998, pp. 368-378 (1998)
• A. Barrón-Cedeño, P. Rosso: On Automatic Plagiarism Detection Based on n-Grams Comparison. In Proc. of ECIR 2009, pp. 696-700 (2009)
• W. B. Cavnar, J. M. Trenkle: N-gram based text categorization. In Proc. of SDAIR 1994, pp. 161-175 (1994)

タイトルに関連する用語 (5件)： トークン ,  N-gram ,  表現 ,  クローン検出 ,  手法