Dissertação de Mestrado

Code refactorings are operations that improve the readability and maintainability of source code. In particular, extract method is one of the most frequently applied refactorings in software systems; therefore, substantial efforts have been made to automate this operation. Automate extract method refactoring recommenders take as input the source code of a method and output the portion of the code that should be extracted. This study aimed to develop the methodology for building a large-scale dataset of extract method refactorings, dubbed the Java Refactoring Corpus, for training novel machine learning models that recommend extract method refactorings. We filtered extract method data collected from public GitHub repositories to construct a dataset containing 50,063 grammatically correct instances and used it to train a simple yet effective proof-of-concept model. We therefore conclude that our dataset effectively addresses the scarcity of extract method examples in the literature.

Refatorações de código são operações que melhoram a legibilidade e a manutenibilidade do código-fonte. Em especial, extração de método é uma das refatorações mais frequentemente aplicadas a sistemas e, portanto, esforços substanciais têm sido realizados para automatizar essa operação. Recomendadores automatizados de extração de método recebem como entrada o código-fonte de um método e produzem como saída o trecho do código que resultaria na melhor extração. Este estudo teve como objetivo desenvolver a metodologia para construção do Java Refactoring Corpus, um grande conjunto de dados de refatorações de extração de método, para o treinamento de novos modelos de aprendizado de máquina que recomendam extração de método. Nós filtramos dados de extração de método coletados de repositórios públicos do GitHub para construir um conjunto de dados contendo 50.063 instâncias gramaticalmente corretas e o utilizamos para treinar um modelo simples, porém eficaz, como prova de conceito. Concluímos, portanto, que nosso conjunto de dados aborda efetivamente a escassez de exemplos de extração de método na literatura.