大規模言語モデルを用いた正規化に基づくソースコード変更パターン抽出

• Link

Abstract

ソースコード変更の推薦によって，開発者の負担を軽減させ，ソフトウェアの品質を向上させられる．変更推薦において，プロジェクトで行われた過去の変更を抽出して利用する手法と，大規模言語モデル（LLM）を用いる手法が提案されている．前者の手法は過去に行われた変更と推薦を紐づけることができる一方で，大規模な学習にコストを要する．後者の手法はLLMが持つ膨大な知識を基に推薦を行える一方で，推薦の根拠を示せない．本論文では，双方の手法の利点を兼ね備えた変更パターン抽出手法を提案する．提案手法では，変更パターンを抽出する際の正規化ルールにLLMを組み込むことで，従来の変更パターン抽出における実変更との紐付けを保ったまま，LLMの持つ知識を活用した正規化を実現する．評価実験では，LLMは変更パターンに含まれる正規化の妥当性を89%の精度で判断でき，また提案手法により有用な推薦が行われ，不要な推薦は行われないことを確認した．

Related papers

This work builds on

• Bachelor's Thesis 大規模言語モデルを用いた正規化に基づくソースコード変更パターン抽出の研究 学士特定課題研究論文（東京科学大学 情報理工学院 情報工学系）, 2025

BibTeX

@article{sakugawa-sigss202507,
    author = {佐久川 泰輔 and 林 晋平},
    title = {大規模言語モデルを用いた正規化に基づくソースコード変更パターン抽出},
    journal = {電子情報通信学会技術研究報告},
    volume = 125,
    number = 115,
    pages = {7--12},
    year = 2025,
}