서지주요정보
Clustering navigation sequences to create contexts for guiding code navigation = 코드에서 방문할 위치를 안내하기 위한 문맥 생성: 방문 경로 군집화
서명 / 저자 Clustering navigation sequences to create contexts for guiding code navigation = 코드에서 방문할 위치를 안내하기 위한 문맥 생성: 방문 경로 군집화 / Seon-Ah Lee.
저자명 Lee, Seon-Ah ; 이선아
발행사항 [대전 : 한국과학기술원, 2013].
Online Access 원문보기 원문인쇄

소장정보

등록번호

8025530

소장위치/청구기호

학술문화관(문화관) 보존서고

DCS 13027

SMS전송

도서상태

이용가능

대출가능

반납예정일

초록정보

To guide programmer code navigation, previous approaches such as TeamTracks recommend pieces of code to visit by mining the associations between pieces of code in programmer interaction histories. However, these result in low recommendation accuracy. To create more accurate recommendations, we propose NavClus an approach that clusters navigation sequences from programmer interaction histories. NavClus automatically forms collections of code that are relevant to the tasks performed by programmers, and then retrieves the collections best matched to a programmer`s current navigation path. This makes it possible to recommend the collections of code that are relevant to the programmer`s given task. We compare NavClus` recommendation accuracy with TeamTracks` by simulating recommendations using 4,397 interaction histories. The comparative experiment shows that the recommendation accuracy of NavClus is twice as high as that of TeamTracks. We also conduct a diary study to investigate the e ectiveness of a graphical code recommender that incorporates the NavClus approach. Our study reveals that developers using NavClus tend to spend less time viewing the code base and more time modifying the software, indicating less time is needed to understand software before modifying it.

프로그래머의 코드 네비게이션 활동을 촉진하기 위해 기존 방법들은 다음에 방문할 프로그램 요소를 추천하고자 하였다. 이러한 방법들은 프로그래머 인터랙션 히스토리에서 연속으로 방문한 프로그램 요소 간의 관계를 마이닝하여 추천을 수행하였다. 하지만, 이러한 방법은 낮은 추천 정확도를 보였다. 우리는 좀 더 효과적인 추천을 위해 새로운 방법인 네브클러스(NavClus)를 제안하는데, 해당 방법은 프로그래머 인터랙션 히스토리에서 네비게이션 시퀀스를 생성한 후에 이를 바탕으로 클러스터링을 수행하여 프로그래머의 과거 네비게이션 컨텍스트를 표현하는 코드 묶음을 생성한다. 이후 현재 프로그래머의 인터랙션을 모니터링 하여 질의(Query)를 생성한 후 이를 바탕으로 과거 컨텍스트를 표현하는 코드 묶음 중 유사성이 높은 코드 묶음을 선택하여 현재의 작업 문맥에서 참조해야 할 코드의 묶음을 추천한다. 제안한 방법인 네브클러스와 가장 최근의 프로그래머 인터랙션 마이닝을 이용한 추천 기법인 팀트랙스(TeamTracks)를 시뮬레이션 실험을 통해 비교한 결과 제안한 방법인 네브 클러스가 팀트랙스의 추천 기법보다 두 배로 높은 추천 정확도를 보였다. 또한 네브클러스 방법을 장착한 그래픽컬 코드 추천 시스템을 바탕으로 유저 시스템을 수행한 결과 네브 클러스를 활용할 경우 사용자가 코드를 단순히 조회하는 활동에 비해 편집하는 비중을 높일 수 있음을 확인하였다.

서지기타정보

서지기타정보
청구기호 {DCS 13027
형태사항 vi, 75 p. : 삽도 ; 30 cm
언어 영어
일반주기 저자명의 한글표기 : 이선아
지도교수의 영문표기 : Sung-Won Kang
지도교수의 한글표기 : 강성원
수록잡지명 : "Clustering Navigation Sequences to Create Contexts for Guiding Code Navigation". The Journal of Systems & Software, 10.1016/j.jss.2013.03.103, (2-MA)
Including Appendix
Appendix : How to install the NavClus tool.
학위논문 학위논문(박사) - 한국과학기술원 : 전산학과,
서지주기 References : p. 65-71
주제 code navigation
data clustering techniques
data stream mining
context aware
recommendation systems
코드 네비게이션
데이타 군집화 기법
데이타 스트림 마이닝
문맥 인식
추천 시스템
QR CODE qr code