細かい変更からの統計学習を用いたAPIコードの推奨

APIの使い方を学び、記憶することは難しいです。コード補完ツールはAPIメソッドを推奨できますが、長いAPIメソッド名のリストとそのドキュメントを閲覧するのは面倒です。さらに、ユーザーは情報が多すぎると容易に圧倒される可能性があります。我々は、繰り返しのコード変更の予測力を活用して開発者に関連するAPI推奨を提供する新しいAPI推奨アプローチを提示します。我々のアプローチとツールであるAPIRECは、細かいコード変更の統計学習とそれらの変更が行われたコンテキストに基づいています。我々の実証評価では、APIRECが最初の位置でAPI呼び出しを正しく推奨する確率が59%であり、上位5位置で正しいAPI呼び出しを推奨する確率が77%であることが示されています。これは、最先端のアプローチに対して、トップ1の精度が30-160%、トップ5の精度が10-30%向上する重要な改善です。我々の結果は、APIRECが50の公に利用可能なプロジェクトから成る一度きりの最小限のトレーニングデータセットであっても良好に機能することを示しています。