Применение методов машинного обучения для автоматической рекомендации рефакторинга "перемещение метода"

Разработчики используют рефакторинги для улучшения архитектуры разрабатываемых проектов. Однако для поддержания структуры программного обеспечения необходимо тратить дополнительные ресурсы, которые можно было бы использовать для реализации новой функциональности. Решением данной проблемы могут стать системы автоматической рекомендации рефакторингов. На данный момент исследования сконцентрировались вокруг эвристических подходов. В то же время машинное обучение позволяет учесть субъективный аспект применения рефакторингов и то, что видение разных разработчиков может отличаться. Однако на данный момент в области существует очень мало исследований алгоритмов, основанных на машинном обучении. В данной работе была разработана модель для рекомендации рефакторинга «перемещение метода» на основе недавней разработки – code2vec векторизации. Помимо этого в рамках данной работы была разработана утилита для автоматической генерации датасета. Утилита находится в открытом доступе и была представлена на международном воркшопе по рефакторингам как самостоятельный результат. Ключевые слова: рефакторинг, запах кода, машинное обучение, обучение представлениям