基于静态提取代码特征的过拟合补丁自动分类
软件工程
2021-08-09 v2
摘要
自动程序修复（APR）旨在降低人工修复软件缺陷的成本。然而，APR常生成大量过拟合补丁，即那些仅使测试通过却未能正确修复缺陷的补丁。本文提出一种新颖的过拟合补丁检测系统ODS，以评估APR补丁的正确性。ODS首先静态比较打补丁程序与缺陷程序，从而在抽象语法树（AST）层级提取代码特征。随后，ODS利用捕获的代码特征与补丁正确性标签进行有监督学习，自动学习一个概率模型。最终可将习得的ODS模型应用于分类新的未见程序修复补丁。我们基于来自Defects4J、Bugs.jar与Bears基准的10,302个补丁开展大规模实验，评估ODS在补丁正确性分类上的有效性。实证评估显示，ODS能正确分类来自26个项目的71.9%的程序修复补丁，优于最先进水平。ODS可实际适用，并可作为后处理流程用于分类不同APR系统生成的补丁。
引用
@article{arxiv.1910.12057,
title = {Automated Classification of Overfitting Patches with Statically Extracted Code Features},
author = {He Ye and Jian Gu and Matias Martinez and Thomas Durieux and Martin Monperrus},
journal= {arXiv preprint arXiv:1910.12057},
year = {2021}
}