순환 인공 신경망을 이용한 코드 변경 추천 정밀도 향상

Abstract

개발자는 소프트웨어 진화 작업을 수행할 때 수정해야 할 필요가 있는 파일을 찾는데 많은 시간을 소비한다. 코드 변경 추천 시스템은 소프트웨어 진화 작업 중 개발자에게 수정이 필요한 파일을 추천하는 시스템이다. 이를 통해 개발자는 소프트웨어 진화 과정에서 발생하는 파일 탐색 시간을 줄일 수 있다. 본 연구는 개발자가 소프트웨어 진화 과정에서 생성하는 동작의 순서 정보를 이용하여 순환 인공 신경망 기반의 모델을 제안하였으며 이 방법을 기반으로 한 변경 추천 시스템을 개발하였다. 순서 정보를 유지하여 생성된 슬라이딩 윈도우 기반의 문맥(Context)을 입력 데이터로 사용하는 순환 인공 신경망 기반의 모델이 순서 정보를 유지하지 않는 문맥을 사용한 기존의 연관 규칙 마이닝 모델보다 더 정확한 변경 추천을 제공하는 것을 확인할 수 있었다. 실험에 사용한 4개의 프로젝트에 대해 평균 추천 정밀도를 기존 연구에 비해 약 20% 향상시키는 것을 보여주었다.