Androidアプリケーションにおける静的プログラム解析と動的スタッキングアンサンブルを用いたメッセージ連鎖とメンバー無視メソッドの共起の特定

科学分野:

• ソフトウェア工学
• 計算機科学

背景:

• 複数のコードの臭いがAndroidアプリに存在することは、単一の臭いよりも保守性を脅かします。
• 既存の研究では、個々のコードの臭いの検出に焦点を当てることが多く、共起は無視されています。

研究 の 目的:

• 普及しているAndroid固有のコードの臭いであるメッセージ連鎖（MC）とメンバー無視メソッド（MIM）の共起を検出すること。
• 検出を改善するために、静的解析とアンサンブル学習を統合するアプローチを開発すること。

主な方法:

• MC検出のためのヒューリスティックベースの静的解析を開発し、MCとMIMの共起のために拡張しました。
• ラベル付きデータのために自動サンプル生成ツール（ASSD）を利用しました。
• 機械学習と深層学習モデルを組み合わせた、後方消去法付き動的スタッキングアンサンブル（DSE-BE）を採用しました。

主要な成果:

• DSE-BEアプローチは検出性能を大幅に向上させました。
• F1スコアは0.774から0.938に、MCCは0.623から0.874に向上しました。
• DSE-BE戦略は、個々のモデルよりも優れており、計算効率も向上しました。

結論:

• 提案された方法は、Androidアプリケーションにおける共起するコードの臭いを検出するための堅牢なソリューションを提供します。
• このアプローチは、ソフトウェア品質の向上における実用的なアプリケーションとして強力な可能性を示しています。