Việc bảo trì và cập nhật mã nguồn ở nhiều vị trí khác nhau tốn nhiều thời gian và dễ xảy ra lỗi, đặc biệt là đối với những thay đổi quan trọng. Luận văn này giới thiệu ARES, một hệ thống đề xuất cung cấp các gợi ý thay đổi mã nguồn chính xác hơn bằng cách nắm bắt tốt hơn các biến thể và xử lý việc di chuyển mã nguồn. Công cụ C3 mở rộng ARES bằng cách trích xuất các ví dụ huấn luyện trực tiếp từ kho lưu trữ mã nguồn, cho phép tự động học các mẫu thay đổi. Để giải quyết thách thức về danh sách thao tác chỉnh sửa quá dài, một phương pháp so sánh cây mới, MTDIFF, được đề xuất, tạo ra các danh sách gọn hơn. Cùng nhau, các công cụ này cải thiện hiệu quả và giảm lỗi trong việc bảo trì mã nguồn tự động.

Abstract:

Maintaining and updating code across multiple locations is time-consuming and error-prone, especially for critical changes. This thesis introduces ARES, a recommendation system that provides more accurate code change suggestions by better capturing variations and handling code movements. The C3 tool extends ARES by extracting training examples directly from code repositories, enabling automated learning of change patterns. To address the challenge of overly long edit operation lists, a novel tree differencing method, MTDIFF, is proposed, producing more compact lists. Together, these tools improve efficiency and reduce errors in automated code maintenance.

Ngôn ngữ:	eng
Tác giả:	Dotzler, Georg
Thông tin nhan đề:	Learning Code Transformations from Repositories
Nhà xuất bản:	FAU University Press
Loại hình:	Tài nguyên giáo dục mở / Bộ sưu tập: Công nghệ thông tin
Bản quyền:	https://creativecommons.org/licenses/by-nc-nd/4.0/
Nguồn gốc:	https://library.oapen.org/handle/20.500.12657/109162
Mô tả vật lý:	288p.
Năm xuất bản:	2018