2025年11月15日

今週の活動

• 労力考慮型のレビュー労力測定手法を実装
  • 動的計画法
    • メモリ容量が足りず、プログラムが終了してしまった
  • 貪欲法
    • 数秒で処理が完了
  • 貪欲法を採用することにした
  • 労力の計算式
    • \(C\): コードチャーン（変更コード行数）
    • \(N\): 変更ファイル数
    • \(H\): Entropy
    • ベース労力 \(E_{raw} = C \times N^H\)
      • 変更の大きさと分散度を考慮
    • 補正済み労力\(E_{adj} = \ln(E_{raw} + 1)\)
      • 対数変換を適用し、変更の大きさや分散度が労力に与える影響を小さくする
  • 密度の計算式
    • 密度はナップサック問題において、アイテムをどの順番で選ぶかを決めるための指標
    • 貪欲法では密度が高いものから順に選ぶ
    • \(\hat{y}_i\): モデルが予測した、そのコミットのバグ混入確率（\(0 \le \hat{y}_i \le 1\)）
    • \(E_{adj, i}\): そのコミットの補正済みレビュー労力
    • 密度\(\text{D}_i = \frac{\hat{y}_i}{E_{adj, i}}\)

得られた成果

• 労力考慮型モデルを用いた場合であっても、提案手法の方がより多くのバグをより少ない労力で検出できた

Elasticsearch

Hazelcast

Neo4j

Netty

OrientDB

直面した課題

• 労力が非常に多いコミットが存在するため、全てのコミットの労力の和を容量（レビューに使える総労力）とするのは不適切
• 「コミットをレビュー労力の小さい順にソートし、そのうち上位80%のコミットの労力の和を容量とする」などの対策が必要

来週の計画

• 過去に使用したLaTeXテンプレートに従って論文の下書きを完成させる