자동 복제코드 리팩터링 추천 시스템 CREC

초록

본 논문은 소스코드 복제(클론) 중 실제 리팩터링이 필요한 클론을 자동으로 찾아내는 학습 기반 프레임워크 CREC을 제안한다. 현재 상태와 과거 변천을 모두 반영한 34개의 특성을 추출하고, 이를 이용해 분류기를 학습시켜 프로젝트 내·외에서 83%·76%의 F‑score를 달성한다. 또한 기존 최첨단 기법보다 현저히 높은 정확도를 보이며, 특성별·알고리즘별 효과를 정량적으로 분석한다.

상세 분석

CREC은 복제코드(클론) 리팩터링 추천 문제를 “현재와 과거 정보를 동시에 활용하는 다차원 특성 집합 → 머신러닝 분류기”라는 파이프라인으로 재구성한다. 첫 단계에서 저자들은 기존 연구의 클론 계보 모델을 재구현하고, 다버전 클론 탐지를 위해 SourcererCC를 활용한다. 여기서 중요한 점은 샘플링 전략이다. 전체 커밋을 모두 분석하는 대신, 코드 변경량(200라인 이상) 기준으로 버전을 추출해 연산 비용을 크게 절감하면서도 충분한 진화 정보를 유지한다는 점이다.

클론 라벨링은 자동화된 휴리스틱으로 수행한다. ‘R‑clone’(리팩터링된 클론)으로 판단하기 위해 세 가지 조건을 설정했는데, (1) 두 개 이상의 클론 인스턴스가 다음 버전에서 코드량이 감소, (2) 해당 인스턴스들이 새로운 메서드 호출을 삽입, (3) 삽입된 메서드 본문이 원본 클론과 0.4 이상의 유사성을 보이는 경우이다. 이 기준은 ‘Extract Method’와 같은 일반적인 중복 제거 리팩터링을 포착하도록 설계되었으며, 실험 결과 92% 수준의 라벨링 정밀도를 보인다.

특성 설계는 34개로, 크게 다섯 카테고리(클론 코드, 클론 히스토리, 상대 위치, 구문 차이, 공동 변경)로 나뉜다. 코드 특성(F1‑F11)은 라인 수, 토큰 수, 순환 복잡도, 필드/메서드 접근 비율 등 리팩터링 비용과 이득을 직접적으로 추정한다. 히스토리 특성(F12‑F17)은 파일·디렉터리 변경 빈도와 최근 커밋 비율, 유지보수 인원 비율을 통해 “최근에 활발히 수정된 코드”인지 판단한다. 상대 위치와 구문 차이 특성(F18‑F23, F24‑F29)은 클론 간 물리적·논리적 거리와 구조적 차이를 정량화해, 동일 파일·클래스·메서드 내에 존재하는 경우 리팩터링 난이도가 낮다고 가정한다. 마지막으로 공동 변경 특성(F30‑F34)은 버전 관리 로그에서 클론 쌍이 동시에 수정된 횟수를 측정해, 높은 공동 변경 빈도가 리팩터링 필요성을 암시한다는 가설에 기반한다.

머신러닝 단계에서는 여러 알고리즘을 비교했으며, 트리 기반 모델(랜덤 포레스트, Gradient Boosting)이 SMO와 Naïve Bayes보다 일관되게 높은 F‑score를 기록했다. 이는 비선형 관계와 특성 간 상호작용을 효과적으로 포착할 수 있기 때문이다. 또한, 특성 중요도 분석 결과 히스토리와 공동 변경 특성이 가장 큰 기여도를 보였으며, 전통적인 코드 복잡도 지표는 상대적으로 낮은 영향력을 나타냈다.

평가에서는 6개의 대형 오픈소스 프로젝트(각기 다른 도메인)에서 within‑project와 cross‑project 실험을 수행했다. within‑project 설정에서는 동일 프로젝트의 라벨링 데이터를 학습에 사용했을 때 83% F‑score, cross‑project에서는 다른 프로젝트에서 학습한 모델을 적용했을 때 76% F‑score를 달성했다. 이는 기존 연구(예: Kim et al., 2020)에서 보고된 70%·50%에 비해 현저히 높은 성능이다. 또한, 자동 라벨링 정확도(92%)와 라벨링된 데이터의 불균형을 고려한 샘플링 전략이 전체 결과에 긍정적인 영향을 미쳤다.

전체적으로 CREC은 (1) 라벨링 자동화, (2) 풍부한 다차원 특성 설계, (3) 효과적인 학습 알고리즘 선택이라는 세 축을 통해 복제코드 리팩터링 추천 문제를 실용적인 수준으로 끌어올렸다. 다만, 현재는 ‘Extract Method’에 초점을 맞춘 라벨링 규칙에 의존하므로, 다른 형태의 리팩터링(예: Inline Method, Move Method)에는 확장이 필요할 것으로 보인다. 또한, 클론 탐지 도구와 샘플링 파라미터에 따라 라벨링 정확도가 변동할 가능성이 있으므로, 실제 현업 적용 시 프로젝트 특성에 맞는 파라미터 튜닝이 요구된다.