DeepIaC：基于深度学习的基础设施即代码语言反模式检测
软件工程
2020-09-24 v1
摘要
语言反模式是指实体的命名、文档与实现之间不一致等反复出现的不良实践。它们妨碍源代码的可读性、可理解性与可维护性。本文尝试检测用于配置和管理计算环境的基础设施即代码（IaC）脚本中的语言反模式。具体而言，我们考虑 IaC 代码单元的逻辑/主体与其名称之间的不一致。为此，我们提出一种采用词嵌入与深度学习技术的新型自动化方法。我们构建并使用 IaC 代码单元的抽象语法树来创建其代码嵌入。我们使用从开源仓库系统提取的数据集进行的实验表明，我们的方法在检测不一致时的准确率介于 0.785 与 0.915 之间。
引用
@article{arxiv.2009.10801,
title = {DeepIaC: Deep Learning-Based Linguistic Anti-pattern Detection in IaC},
author = {Nemania Borovits and Indika Kumara and Parvathy Krishnan and Stefano Dalla Palma and Dario Di Nucci and Fabio Palomba and Damian A. Tamburri and Willem-Jan van den Heuvel},
journal= {arXiv preprint arXiv:2009.10801},
year = {2020}
}
备注
6 pages