更新履歴情報と静的情報を用いて同一機能を実装しているクラス群を抽出する手法の提案檜皮祐希松下誠井上克郎大阪大学大学院情報科学研究科 Software Engineering Laboratory, Department of Computer Science, Graduate School of Information Science and Technology, Osaka University 背景 • ソフトウェア開発・保守において、特定の機能を実装している箇所を知る必要がある – ソフトウェア理解 • 理解する範囲の特定 – ソフトウェア部品の再利用 • 再利用に必要な部分の特定 • ソフトウェアが巨大になるとソースコードを見て抽出するということが困難になる Feature Location 2 Department of Computer Science, Graduate School of Information Science and Technology, Osaka University 2006/12/15 既存手法とその問題点 • ソースコードから得られる静的情報を解析する – 呼び出し関係を解析する • オブジェクト指向への適用が困難 • ほとんどの手法で完全に自動化されない • 動的な実行履歴を解析する – それぞれの手法にはそれぞれ欠点があるテストケースを実行し、その実行履歴を解析する組み合わせる • テストケースを作成するコストが大きい • 外部から実行しにくい機能は抽出が困難 • 開発履歴を解析する – 版管理システムに蓄えられた開発履歴を解析する • 版管理システムの使用状況によって抽出が困難 • プログラムの中身を全く見ていない 3 Department of Computer Science, Graduate School of Information Science and Technology, Osaka University 2006/12/15 研究の概要 • 目的 – あるクラスと同一の機能を実装しているクラス群を抽出する • 提案手法 – 開発履歴情報に静的情報を組み合わせる • 更新傾向グラフ（開発履歴情報） – クラス間で同時更新される頻度を表したグラフ • コールグラフ（静的情報） – クラス間の呼び出し関係を表したグラフ 4 Department of Computer Science, Graduate School of Information Science and Technology, Osaka University 2006/12/15 提案手法（概要）更新傾向グラフ手順1 開始クラスの決定 A 手順2 更新傾向グラフコールグラフの作成開始クラス版管理システムのリポジトリ {A, B, C ,F,G} 同一機能を実装しているクラス群のリストコールグラフ手順4 抽出クラスとコールグラフの比較 {A, B, D,F,G} 手順3 更新傾向グラフでのクラス群の抽出抽出クラスリスト 5 Department of Computer Science, Graduate School of Information Science and Technology, Osaka University 2006/12/15 手順1 開始クラスの決定 • 抽出する機能の中の1つのクラスを決定する – 開始クラスを元にクラス群の抽出を行う • 決定方法の例 – 機能を表す単語を用いてのキーワード検索 – ソースコード部品検索システムを用いての検索 6 Department of Computer Science, Graduate School of Information Science and Technology, Osaka University 2006/12/15 手順2.1 更新傾向グラフの作成同時更新されたクラス群のリスト • 更新傾向グラフ – 同時更新情報を元に作成したグラフ – 頂点はクラス – 頂点間の辺は同時更新傾向の強さ (confidence)を保持 {A,B,C} {A,B} {C,D} {A,B} {A,C,D} {C,D} Aと Bが同時に更新された回数 confidenceA, B  Aが更新された回数 • 版管理システムのリポジトリから同時更新情報を抽出 • クラス間の同時更新傾向の強さ (confidence)を計算 confidence  3  0.75 4 0.75 A 0.5 1.0 B 0.5 0.33 0.25 C Department of Computer Science, Graduate School of Information Science and Technology, Osaka University A, B 0.25 0.33 0.75 1.0 D 7 2006/12/15 手順2.2 コールグラフの作成 • コールグラフ – クラス間の呼び出し関係を表現 – 頂点はクラス • ソースコードを解析し、呼び出し関係を抽出することでコールグラフを作成する class A { a1() { ・・・ B.b1(); ・・・ C.c2(); ・・・ } } class B { b1() { ・・・ C.c1(); ・・・ } } Class C { c1() { ・・・ } c2() { ・・・ } } A B C 8 Department of Computer Science, Graduate School of Information Science and Technology, Osaka University 2006/12/15 手順3 更新傾向グラフでのクラス群の抽出 • 開始クラスとの同時更新が強いものを抽出していく • 更新傾向グラフからconfidence が閾値Eth以下の辺を削除する • 開始クラスから到達可能な頂点集合C1を求める • 開始クラス、及びC1のいずれかの頂点へ到達可能な頂点集合 C2を求める • 開始クラス、C1、C2の和集合を抽出クラスとする開始クラス C1 C2 9 Department of Computer Science, Graduate School of Information Science and Technology, Osaka University 2006/12/15 手順4 コールグラフとの比較誤って抽出したクラスの除去 • 更新傾向グラフで誤って抽出したクラスを除去 • 抽出クラス距離を用いる 3 3 1 1 1 – 2つのクラス間のパスでの抽出されていないクラスの数の最小値 • 開始クラスとの抽出クラス距離が2以上のクラスを誤って抽出したクラスとして除去する開始クラス抽出クラス 10 Department of Computer Science, Graduate School of Information Science and Technology, Osaka University 2006/12/15 手順4コールグラフとの比較抽出できなかったクラスの補完 • 以下の条件のいづれかを満たすクラスを抽出する – 呼び出しているクラスのうち3つ以上が抽出されている – 呼ばれているクラスのうち3つ以上が抽出されている – 呼び出しているクラスのうちいづれかが抽出されており、呼ばれているクラスのうちいづれかが抽出されている • 呼び出しているクラスと呼ばれているクラスのすべてが抽出されているクラスを抽出する開始クラス抽出クラス 11 Department of Computer Science, Graduate School of Information Science and Technology, Osaka University 2006/12/15 適用実験 • 実験対象 – XBrowser • Javaで書かれたオープンソースウェブブラウザ • クラス数171クラス、行数28,881行、総更新回数165回、総リビジョン数 1,388個 • 実験内容 – 履歴情報のみ、静的情報のみ、提案手法の3つについて機能抽出 • ブックマーク機能の抽出 – 開始クラス：xbrowser.bookmark.BookmarkFinder – 閾値Eth=0.95 • ヒストリ機能の抽出 – 開始クラス：xbrowser.history.HistoryFinder – 閾値Eth=0.95 – それぞれ適合率、再現率を用いて評価 • 正解クラスはソースコードから判定 12 Department of Computer Science, Graduate School of Information Science and Technology, Osaka University 2006/12/15 ブックマーク機能正解抽出該当クラスクラスクラス適合率再現率更新履歴情報のみ 34 10 10 1.00 0.29 静的情報のみ 34 32 16 0.50 0.47 提案手法 34 29 25 0.86 0.74 更新傾向グラフでの抽出 10 10 1.00 コールグラフでの除去 0 0 0.00 コールグラフでの補完 19 15 0.79 適合率、再現率ともに提案手法は高く、再現率は最大更新傾向グラフで抽出できなかった多くのクラスを抽出できた 13 Department of Computer Science, Graduate School of Information Science and Technology, Osaka University 2006/12/15 ヒストリ機能正解抽出該当クラスクラスクラス適合率再現率更新履歴情報のみ 30 15 6 静的情報のみ 30 31 13 0.42 0.43 提案手法 30 27 14 0.52 0.47 0.40 0.20 更新傾向グラフでの抽出 15 6 0.40 コールグラフでの除去 2 0 0.00 コールグラフでの補完 14 8 0.57 適合率、再現率ともに提案手法が最大誤って抽出してしまったクラスを除去しきれなかった 14 Department of Computer Science, Graduate School of Information Science and Technology, Osaka University 2006/12/15 まとめと今後の課題 • まとめ – あるクラスと同一の機能を実装しているクラス群を抽出する手法の提案 • 更新傾向グラフを用いて抽出 • コールグラフを用いて誤りの除去と抽出漏れの補完 • 今後の課題 – 誤って抽出したクラスの除去の精度の向上 – 抽出精度の向上 15 Department of Computer Science, Graduate School of Information Science and Technology, Osaka University 2006/12/15 16 Department of Computer Science, Graduate School of Information Science and Technology, Osaka University 2006/12/15