Active Refinement of Clone Anomaly Reports

1. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限クローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work Active Refinement of Clone Anomaly Reports MD 輪講修士課程 1 年楊　嘉晨大阪大学大学院コンピュータサイエンス専攻楠本研究室 2012 年 7 月 4 日（火） 2012 年 7 月 4 日（火） 1/40 .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

2. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限クローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い出典 Publication 実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work 2012 年 7 月 4 日（火） 2/40 .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

3. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限クローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 出典 Publication Active Refinement of Clone Anomaly Reports • ICSE 2012 • Similarity and Classification Lucia, David Lo, Lingxiao Jiang, and Aditya Budi • Singapore Management University 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work 2012 年 7 月 4 日（火） 3/40 .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

4. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限クローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い背景 Introduction 実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work 2012 年 7 月 4 日（火） 4/40 .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

5. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限クローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work 2012 年 7 月 4 日（火） 5/40 背景 Introduction コードクローンはソフトウェア保守に対して悪い影響 ? . 不具合 (anomaly)があるコードクローンにバグを含む可能性が高いバグが含む不具合があるクローンを正解 (True Positive) . バグがない不具合があるクローンを誤検出 (False Positive) . .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

9. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限クローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 既存研究：クローンに基づく不具合検出 Related Researches: Clone-based Anomaly Detection クローン間の識別子 (Identifier) の不一致 (Juergens et al., 2009) E. Juergens, F. Deissenboeck, B. Hummel, and S. Wagner, ``Do code clones matter?'' in Proceedings of the 31st International Conference on Software Engineering. IEEE Computer Society, 2009, pp. 485--495. クローン周りのコード片の差異(Jiang et al., 2007a) L. Jiang, Z. Su, and E. Chiu, ``Context-based detection of clone-related bugs,'' in ESEC/FSE, vol. 2007, 2007. 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work 2012 年 7 月 4 日（火） 6/40 .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

10. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限クローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 正解の例 Example of True Positive Linux-2.6.19 から見つけたクローン fs/sysfs/inode.c 219 struct dentry * dentry = sd−>s_dentry; 220 . 221 if (dentry) { . /* the fol . lowing parts are detected as clones */ 222 223 spin_lock(&dcache_lock); 224 spin_lock(&dentry−>d_lock); 225 if (!( d_unhashed(dentry) && dentry−>d_inode)) { 226 dget_locked(dentry); 227 __d_drop(dentry); 228 spin_unlock(&dentry−>d_lock); 229 spin_unlock(&dcache_lock); . . 230 ...... drivers/infiniband/hw/ipath/ipath_fs.c 456 457 458 459 460 461 462 463 464 465 466 467 struct dentry *tmp; tmp = lookup_one_len(name, parent, strlen(name)); . spin_lock(&dcache_lock); spin_lock(&tmp−>d_lock); if (!( d_unhashed(tmp) && tmp−>d_inode)) { dget_locked(tmp); __d_drop(tmp); spin_unlock(&tmp−>d_lock); spin_unlock(&dcache_lock); . . ...... 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work 2012 年 7 月 4 日（火） 7/40 .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

11. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限クローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 正解の例 Example of True Positive Linux-2.6.19 から見つけたクローン fs/sysfs/inode.c drivers/infiniband/hw/ipath/ipath_fs.c 219 struct dentry * dentry = sd−>s_dentry; 220 . 221 if (dentry) { . /* the fol . lowing parts are detected as clones */ 222 223 spin_lock(&dcache_lock); 224 spin_lock(&dentry−>d_lock); 225 if (!( d_unhashed(dentry) && dentry−>d_inode)) { 226 dget_locked(dentry); 227 __d_drop(dentry); 228 spin_unlock(&dentry−>d_lock); 229 spin_unlock(&dcache_lock); . . 230 ...... 456 457 458 459 460 461 462 463 464 465 466 467 struct dentry *tmp; tmp = lookup_one_len(name, parent, strlen(name)); . spin_lock(&dcache_lock); spin_lock(&tmp−>d_lock); if (!( d_unhashed(tmp) && tmp−>d_inode)) { dget_locked(tmp); __d_drop(tmp); spin_unlock(&tmp−>d_lock); spin_unlock(&dcache_lock); . . ...... . Type-2 クローン . 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work 2012 年 7 月 4 日（火） 7/40 . .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

12. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限クローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 正解の例 Example of True Positive Linux-2.6.19 から見つけたクローン fs/sysfs/inode.c drivers/infiniband/hw/ipath/ipath_fs.c 219 struct dentry * dentry = sd−>s_dentry; 220 . 221 if (dentry) { . /* the fol . lowing parts are detected as clones */ 222 223 spin_lock(&dcache_lock); 224 spin_lock(&dentry−>d_lock); 225 if (!( d_unhashed(dentry) && dentry−>d_inode)) { 226 dget_locked(dentry); 227 __d_drop(dentry); 228 spin_unlock(&dentry−>d_lock); 229 spin_unlock(&dcache_lock); . . 230 ...... 456 457 458 459 460 461 462 463 464 465 466 467 struct dentry *tmp; tmp = lookup_one_len(name, parent, strlen(name)); . spin_lock(&dcache_lock); spin_lock(&tmp−>d_lock); if (!( d_unhashed(tmp) && tmp−>d_inode)) { dget_locked(tmp); __d_drop(tmp); spin_unlock(&tmp−>d_lock); spin_unlock(&dcache_lock); . . ...... . 片方に Null であるかの判断 . 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work 2012 年 7 月 4 日（火） 7/40 . .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

13. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限クローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 誤検出の例 Example of False Positive fs/nfsd/nfs3xdr.c 423 if (!( p = decode_fh(p, &args−>fh)) 424 ||!(p=decode_filename(p,&args−>name,&args−>len)) 425 ||!(p=decode_sattr3(p,&args−>attrs))) 426 return 0; drivers/hwmon/lm87.c 688 if (( err = device_create_file (&new_client−>dev, 689 &dev_attr_in6_input)) 690 || (err = device_create_file (&new_client−>dev, 691 &dev_attr_in6_min)) 692 || (err = device_create_file (&new_client−>dev, 693 &dev_attr_in6_max))) 694 goto exit_remove; fs/nfsd/nfsxdr.c 344 if (!( p = decode_fh(p, &args−>ffh)) 345 ||!(p=decode_fh(p,&args−>tfh)) 346 ||!(p=decode_filename(p,&args−>tname,&args−>tlen))) 347 return 0; drivers/hwmon/gl520sm.c 615 if (( err = device_create_file (&new_client−>dev, 616 &dev_attr_in4_input)) 617 || (err = device_create_file (&new_client−>dev, 618 &dev_attr_in4_min)) 619 || (err = device_create_file (&new_client−>dev, 620 &dev_attr_in4_max))) 621 goto exit_remove_files; 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work 2012 年 7 月 4 日（火） 8/40 .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

14. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限不具合があるクローンの誤検出率 False Positives in Anomaly Clones Eclipse . Linux Kernel . クローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work 17 悪い習慣 >800 . クローン 17 悪い習慣 >400 . クローン 41 正解 21 正解 2012 年 7 月 4 日（火） 9/40 L. Jiang, Z. Su, and E. Chiu, ``Context-based detection of clone-related bugs,'' in ESEC/FSE,. vol. 2007, 2007. . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. . . . . . . .. .. .. .. .. .. .. .. . .. . .. . .. .

15. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限不具合があるクローンの誤検出率 False Positives in Anomaly Clones Eclipse . Linux Kernel . クローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work 17 悪い習慣 >800 . クローン 17 悪い習慣 >400 . クローン 41 正解 21 正解 2012 年 7 月 4 日（火） 9/40 L. Jiang, Z. Su, and E. Chiu, ``Context-based detection of clone-related bugs,'' in ESEC/FSE,. vol. 2007, 2007. . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. . . . . . . .. .. .. .. .. .. .. .. . .. . .. . .. .

16. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 不具合があるクローンの誤検出率 II False Positives in Anomaly Clones II 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限商用ソフトウェア(Gabel et al., 2010) . (Gabel et al., 2010) クローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ 149 バグがある 109 Code Smells 洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work 不明 . 500 確かめた 8103 不具合クローン 2012 年 7 月 4 日（火） 10/40 M. Gabel, J. Yang, Y. Yu, M. Goldszmidt, and Z. Su, ``Scalable and systematic detection of buggy inconsistencies in source . . . . . . . . . . . . . . . . . . . code,'' in ACM Sigplan Notices, vol. 45, no. 10. ACM, 2010, pp. 175--190. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. .

17. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication コードクローンの四つの象限 4 Quadrants of Code Clone Group 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限クローンに基づく不具合検出クローンに基づく不具合検出一貫性 Inconsistent Consistant 動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い可変性厳格 (Rigid) 柔軟 (Flexible) 実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work 2012 年 7 月 4 日（火） 11/40 .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

18. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication コードクローンの四つの象限 4 Quadrants of Code Clone Group 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限クローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い一貫性 Inconsistent Consistant ✓ . 厳格 (Rigid) 可変性柔軟 (Flexible) ✓ . 実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work 2012 年 7 月 4 日（火） 11/40 .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

19. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication コードクローンの四つの象限 4 Quadrants of Code Clone Group 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限クローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い一貫性 Inconsistent Consistant ✓ . 厳格 (Rigid) 可変性柔軟 (Flexible) ✓ . 実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work 2012 年 7 月 4 日（火） 11/40 .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

20. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限クローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞いクローンに基づく不具合検出実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work 2012 年 7 月 4 日（火） 12/40 .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

21. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限クローンに基づく不具合検出 Clone-based Anomaly Detection Deckard(Jiang et al., 2007b) A クローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ B 洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work 2012 年 7 月 4 日（火） 13/40 C D E O B . . . F D C E L. Jiang, G. Misherghi, Z. Su, and S. Glondu, ``Deckard: Scalable and accurate tree-based detection of code clones,'' in Proceedings of the 29th international conference on Software Engineering. IEEE Computer Society, 2007, pp. 96--105. .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

25. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限クローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い動的洗練法 Dynamic Refinement 実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work 2012 年 7 月 4 日（火） 14/40 .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

26. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限クローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work 従来のクローンレポート静的洗練法 Static Refinement of Clone Report in Other Researches ID 1 2 3 4 5 6 7 … 内容 Bug? AAA BBB CCC DDD EEE FFF III … … 2012 年 7 月 4 日（火） 15/40 .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

27. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限クローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work 従来のクローンレポート静的洗練法 Static Refinement of Clone Report in Other Researches ID 1 2 3 4 5 6 7 … 内容 Bug? AAA ? . BBB ? . CCC X . DDD ? . EEE ? . FFF ? . III X . … … 2012 年 7 月 4 日（火） 15/40 .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

28. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限クローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work 従来のクローンレポート静的洗練法 Static Refinement of Clone Report in Other Researches ID 1 2 3 4 5 6 7 … 内容 Bug? AAA ? . BBB ? . CCC X . DDD ? . EEE ? . FFF ? . III X . … … ID 内容 Bug? 1 AAA ✓ . 2 BBB X . 4 5 6 … ✓ . X . X . DDD EEE FFF … 2012 年 7 月 4 日（火） 15/40 .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

29. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限クローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work クローンレポートの動的洗練法 Dynamic Refinement of Clone Report ID 1 2 3 4 5 6 7 … 内容 Bug? . AAA . BBB . CCC . DDD . EEE . FFF . III … … 2012 年 7 月 4 日（火） 16/40 .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

30. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限クローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work クローンレポートの動的洗練法 Dynamic Refinement of Clone Report ID 1 2 3 4 5 6 7 … . 内容 Bug? . AAA . BBB . CCC . DDD . EEE . FFF . III … … ID .1 .2 .7 .5 .3 .6 .4 … 内容 AAA BBB III EEE CCC FFF DDD … Bug? ✓ . X 90% 70% 50% 30% 10% … 2012 年 7 月 4 日（火） 16/40 .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

31. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限動的洗練法の流れ Active Refinement Process 不具合検出システムクローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work ソートしたバグレポート洗練エンジン « 洗練の輪 » 最初の . バグレポートユーザからのフィードバック 2012 年 7 月 4 日（火） 17/40 .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

32. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限動的洗練法の流れ Active Refinement Process 不具合検出システムクローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work ソートしたバグレポート洗練エンジン « 洗練の輪 » 最初の . バグレポートユーザからのフィードバック 2012 年 7 月 4 日（火） 17/40 .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

33. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限クローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い洗練エンジン Refinement Engine 実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work 2012 年 7 月 4 日（火） 18/40 .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

34. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限クローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work 2012 年 7 月 4 日（火） 19/40 洗練エンジンの流れ Process of Refinement Engine 入力: バグレポートリストソースコードから特徴抽出前処理特徴を選択 Re-balancing 分類識別モデル . 順番を調整した入力 .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

35. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限クローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work 2012 年 7 月 4 日（火） 19/40 洗練エンジンの流れ Process of Refinement Engine 入力: バグレポートリストソースコードから特徴抽出前処理特徴を選択 Re-balancing 分類識別モデル . 順番を調整した入力 .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

36. 特徴抽出: 構文木を構築 Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨 Feature Extraction: Tree Constraction 出典 Publication 出典 Publication . programm 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限クローンに基づく不具合検出クローンに基づく不具合検出 class A 動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering method f . ... global func ... class B method g init return method h init call return 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work name expr-list 2012 年 7 月 4 日（火） 20/40 .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

39. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限クローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work 特徴抽出: 五つの特徴 Feature Extraction: 5 features . class B 基本的な特徴 Basic Features 対の特徴 method g method h Pair Features 基本的な特徴の割合 init return init call return Proportional FeaturesーBasic 対の特徴の割合 name Proportional FeaturesーPair expr-list 他の特徴 Other Features 2012 年 7 月 4 日（火） 21/40 .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

44. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限クローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work 2012 年 7 月 4 日（火） 21/40 特徴抽出: 五つの特徴 Feature Extraction: 5 features . class B 基本的な特徴 Basic Features 対の特徴 method g method h Pair Features 基本的な特徴の割合 init return init call return Proportional FeaturesーBasic 対の特徴の割合 name Proportional FeaturesーPair 他の特徴 Other Features expr-list クローンの数 |CG|, クローン ∑ |C| の平均サイズ c∈CG |CG| .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

45. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限特徴抽出: 五つの特徴の例 Feature Extraction: Example of 5 features 1 decode_sattr3(p, &args−>attrs) 1 decode_filename(p, &args−>tname, &args−>tlen) クローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work 2012 年 7 月 4 日（火） 22/40 Expr Expr Expr-list . 数 2 2 Expr-list 2 Expr 2 対タイプ Call/Name Call/ Exprlist Expr-list/ Expr Expr Name Expr Call Name 基本タイプ Call Name Expr-list . Expr Call 数 2 2 基本割合タイプ割合 Call 100% Name 100% 2 Expr-list 100% Expr 対割合タイプ Call/Name Call/ Exprlist Expr-list/ Expr 100% .. . .. . .. . 割合 100% 100% 他タイプ値 Num 2 Avg 5.5 100% . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

48. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限クローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work 2012 年 7 月 4 日（火） 23/40 洗練エンジンの流れ (再掲) Process of Refinement Engine (Again) 入力: バグレポートリストソースコードから特徴抽出前処理 . 特徴を選択 Re-balancing 分類識別モデル . 順番を調整した入力 .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

49. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限クローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work 2012 年 7 月 4 日（火） 24/40 前処理: 特徴選択 . Preprocessing: Feature Selection • c はクローンのクラスラベル, f. は一つの特徴 . • 正解は ve クラス, 誤検出は −ve クラス . . 情報利得 (Information Gain) は： IG(c|f) = H(c) − H(c|f) ∑ H(c) = − P(ci ) log P(ci ) ci ∈{±ve} H(c|f) = − ∑ P(f) ∑ (1) (2) P(ci |f) log P(ci |f) (3) ci ∈{±ve} 情報利得を基づいて Weka(Holmes et al., 1994) を用いて特徴選択 G. Holmes, A. Donkin, and I. Witten, ``Weka: A machine learning workbench,'' in Intelligent Information Systems, 1994. Proceedings of the 1994 Second Australian and New Zealand Conference on. Ieee, 1994, pp. 357--361. .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

50. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 前処理: Data Re-balancing Preprocessing: Data Re-balancing 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限 Cosine-similarity (Kantardzic, 2011) クローンに基づく不具合検出クローンに基づく不具合検出 M. Kantardzic, Data mining: concepts, models, methods, and algorithms. Wiley-IEEE Press, 2011. 動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work . nearest neighbor approach (Renieres and Reiss, 2003) M. Renieres and S. Reiss, ``Fault localization with nearest neighbor queries,'' in Automated Software Engineering, 2003. Proceedings. 18th IEEE International Conference on. IEEE, 2003, pp. 30--39. 2012 年 7 月 4 日（火） 25/40 .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

53. Active Refinement of Clone Anomaly Reports 大阪大学大学院 CS 専攻楊　嘉晨出典 Publication 出典 Publication 背景 Introduction 背景 Introduction 既存研究 Related Researches 正解の例 Example of True Positive 誤検出の例 Example of False Positive 不具合があるクローンの誤検出率コードクローンの四つの象限クローンに基づく不具合検出クローンに基づく不具合検出動的洗練法 Dynamic Refinement 従来のクローンレポートの静的洗練法クローンレポートの動的洗練法動的洗練法の流れ洗練エンジン Refinement Engine 洗練エンジンの流れ Process of Refinement Engine 特徴抽出: 構文木を構築特徴抽出: 五つの特徴特徴抽出: 五つの特徴の例前処理: 特徴選択前処理: Data Re-balancing 非ネスト汎化された最も近隣分類法分類法: 類似度の計算具体的な洗練の振舞い実験評価 Experiment and Evaluation 評価方法: 平均正解発見率 APPF 実験の対象と設定 Settings of Empirical Evaluation 実験の結果 Results of the Empirical Evaluation Top-3 情報利得 Top-3 Information Gain 順番を調整した例 Example of Re-ordering 考察, 結論及び今後の課題妥当性の考察 Threats to Validity 結論と今後の課題 Conclusion and Future Work 2012 年 7 月 4 日（火） 26/40 洗練エンジンの流れ (再掲) Process of Refinement Engine (Again) 入力: バグレポートリストソースコードから特徴抽出前処理特徴を選択 Re-balancing 分類識別モデル . 順番を調整した入力 .. . .. . .. . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . .. . .. . .. .

Active Refinement of Clone Anomaly Reports

Recommended

Recommended

More Related Content

Recently uploaded

Recently uploaded (8)

Featured

Featured (20)

Active Refinement of Clone Anomaly Reports