特許 7571719 移行先ＡＰＩ推定装置、移行先ＡＰＩ推定方法及びプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-10-15

(45)【発行日】2024-10-23

(54)【発明の名称】移行先ＡＰＩ推定装置、移行先ＡＰＩ推定方法及びプログラム

(51)【国際特許分類】

   G06F 8/76 20180101AFI20241016BHJP

   G06F 8/65 20180101ALI20241016BHJP

【ＦＩ】

G06F8/76

G06F8/65

【請求項の数】 6

(21)【出願番号】P 2021204264

(22)【出願日】2021-12-16

(65)【公開番号】P2023089644

(43)【公開日】2023-06-28

【審査請求日】2024-01-29

(73)【特許権者】

【識別番号】000004226

【氏名又は名称】日本電信電話株式会社

(74)【代理人】

【識別番号】110004381

【氏名又は名称】弁理士法人ＩＴＯＨ

(74)【代理人】

【識別番号】100107766

【弁理士】

【氏名又は名称】伊東 忠重

(74)【代理人】

【識別番号】100070150

【弁理士】

【氏名又は名称】伊東 忠彦

(74)【代理人】

【識別番号】100124844

【弁理士】

【氏名又は名称】石原 隆治

(72)【発明者】

【氏名】山口 大輔

(72)【発明者】

【氏名】ズェミン トウ

【審査官】松平 英

(56)【参考文献】

【文献】特開２０１２－１１３５３６（ＪＰ，Ａ）

【文献】特開２００４－２４６６９０（ＪＰ，Ａ）

【文献】国際公開第２０２１／２４５９５０（ＷＯ，Ａ１）

【文献】国際公開第２０２１／０７４９９０（ＷＯ，Ａ１）

【文献】米国特許出願公開第２０２０／１３３６９０（ＵＳ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｆ ８／００－８／３８

８／６０－８／７７

９／４４－９／４４５

９／４５１

１８／００－１８／４０

Ｇ０６Ｎ ３／００－９９／００

(57)【特許請求の範囲】

【請求項1】

移行元ＡＰＩと、前記移行元ＡＰＩの移行先の候補である候補ＡＰＩとのそれぞれのシグネチャの埋め込みを計算し、計算された２つの埋め込み間の第１の類似度を計算するように構成されている第１の計算部と、
前記移行元ＡＰＩと前記候補ＡＰＩとのそれぞれのソースコードの埋め込みを計算し、計算された２つの埋め込み間の第２の類似度を計算するように構成されている第２の計算部と、
前記第１の類似度及び前記第２の類似度に基づいて、前記候補ＡＰＩが前記移行元ＡＰＩの移行先であるか否かを判定するように構成されている判定部と、
有することを特徴とする移行先ＡＰＩ推定装置。

【請求項2】

前記第１の計算部は、更に、前記移行元ＡＰＩと前記候補ＡＰＩのうち、説明文が有るＡＰＩについては、当該ＡＰＩのシグネチャと説明文とを含む文字列の埋め込みを計算するように構成されている、
ことを特徴とする請求項１記載の移行先ＡＰＩ推定装置。

【請求項3】

前記判定部は、前記第１の類似度と前記第２の類似度とを線形結合した結果に基づいて、前記候補ＡＰＩが前記移行元ＡＰＩの移行先であるか否かを判定するように構成されている、
ことを特徴とする請求項１又は２記載の移行先ＡＰＩ推定装置。

【請求項4】

前記線形結合における前記第１の類似度及び前記第２の類似度に対する重み係数を、移行元ＡＰＩと移行先のＡＰＩとのペアを含む教師データに基づいて学習するように構成されている学習部、
を有することを特徴とする請求項３記載の移行先ＡＰＩ推定装置。

【請求項5】

移行元ＡＰＩと、前記移行元ＡＰＩの移行先の候補である候補ＡＰＩとのそれぞれのシグネチャの埋め込みを計算し、計算された２つの埋め込み間の第１の類似度を計算する第１の計算手順と、
前記移行元ＡＰＩと前記候補ＡＰＩとのそれぞれのソースコードの埋め込みを計算し、計算された２つの埋め込み間の第２の類似度を計算する第２の計算手順と、
前記第１の類似度及び前記第２の類似度に基づいて、前記候補ＡＰＩが前記移行元ＡＰＩの移行先であるか否かを判定する判定手順と、
コンピュータが実行することを特徴とする移行先ＡＰＩ推定方法。

【請求項6】

移行元ＡＰＩと、前記移行元ＡＰＩの移行先の候補である候補ＡＰＩとのそれぞれのシグネチャの埋め込みを計算し、計算された２つの埋め込み間の第１の類似度を計算する第１の計算手順と、
前記移行元ＡＰＩと前記候補ＡＰＩとのそれぞれのソースコードの埋め込みを計算し、計算された２つの埋め込み間の第２の類似度を計算する第２の計算手順と、
前記第１の類似度及び前記第２の類似度に基づいて、前記候補ＡＰＩが前記移行元ＡＰＩの移行先であるか否かを判定する判定手順と、
コンピュータに実行させることを特徴とするプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、移行先ＡＰＩ推定装置、移行先ＡＰＩ推定方法及びプログラムに関する。

【背景技術】

【0002】

ライブラリはソフトウェア開発で広く利用されている。ライブラリの利用にあたっては、新版の利用又は新版へのアップデートが推奨されている。しかし、新版から非推奨化又は消去されてしまったアプリケーションプログラムインターフェース（ＡＰＩ）の代替となる移行先のＡＰＩが示されていないことがある。移行先のＡＰＩが示されていたとしても、示され方はライブラリやＡＰＩ毎に様々である。例えば、ＡＰＩのドキュメント内に移行先のＡＰＩが示されている場合や、コミットメッセージ、リリースノート、又は技術系のＳＮＳやブログ等に移行先のＡＰＩが示されている場合もある。そのため、移行先のＡＰＩの特定には情報検索・収集などの多くの労力が必要とされる。これはライブラリのアップデートを妨げる要因となっている。

【0003】

従来、ＡＰＩの移行先として有限個の候補が与えられた際に、移行元のＡＰＩ、移行先候補のＡＰＩのそれぞれのシグネチャとＡＰＩの説明文に基づいて、当該候補が移行先のＡＰＩとして適切かを判定する技術がある（非特許文献１）。

【先行技術文献】

【非特許文献】

【0004】

【文献】Alrubaye, H., Mkaouer, M. W., Khokhlov, I., Reznik, L., Ouni, A., and Mcgoff, J." Learning to recommend third-party library migration opportunities at the api level". Applied Soft Computing 90 (2020), 106140.

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかしながら、ＡＰＩに説明文が与えられていない場合は多い。したがって、説明文が与えられていないＡＰＩが存在する場合に、非特許文献１の技術を利用するのは困難である。

【0006】

本発明は、上記の点に鑑みてなされたものであって、説明文が与えられていないＡＰＩが存在する場合でも或るＡＰＩの移行先のＡＰＩを推定可能とすることを目的とする。

【課題を解決するための手段】

【0007】

そこで上記課題を解決するため、移行先ＡＰＩ推定装置は、移行元ＡＰＩと、前記移行元ＡＰＩの移行先の候補である候補ＡＰＩとのそれぞれのシグネチャの埋め込みを計算し、計算された２つの埋め込み間の第１の類似度を計算するように構成されている第１の計算部と、前記移行元ＡＰＩと前記候補ＡＰＩとのそれぞれのソースコードの埋め込みを計算し、計算された２つの埋め込み間の第２の類似度を計算するように構成されている第２の計算部と、前記第１の類似度及び前記第２の類似度に基づいて、前記候補ＡＰＩが前記移行元ＡＰＩの移行先であるか否かを判定するように構成されている判定部と、有する。

【発明の効果】

【0008】

説明文が与えられていないＡＰＩが存在する場合でも或るＡＰＩの移行先のＡＰＩを推定可能とすることができる。

【図面の簡単な説明】

【0009】

【図1】本発明の実施の形態における移行先ＡＰＩ推定装置１０のハードウェア構成例を示す図である。

【図2】本発明の実施の形態における移行先ＡＰＩ推定装置１０の機能構成例を示す図である。

【図3】判定部１１の構成例を示す図である。

【図4】機械学習による重み係数θの決定処理の処理手順の一例を説明するためのフローチャートである。

【図5】移行先ＡＰＩの推定処理の処理手順の一例を説明するためのフローチャートである。

【図6】シグネチャ及びボディを説明するための図である。

【図7】判定部１１のインスタンスがコピーされた状態を示す図である。

【発明を実施するための形態】

【0010】

以下、図面に基づいて本発明の実施の形態を説明する。図１は、本発明の実施の形態における移行先ＡＰＩ推定装置１０のハードウェア構成例を示す図である。図１の移行先ＡＰＩ推定装置１０は、それぞれバスＢで相互に接続されているドライブ装置１００、補助記憶装置１０２、メモリ装置１０３、プロセッサ１０４、及びインタフェース装置１０５等を有する。

【0011】

移行先ＡＰＩ推定装置１０での処理を実現するプログラムは、ＣＤ－ＲＯＭ等の記録媒体１０１によって提供される。プログラムを記憶した記録媒体１０１がドライブ装置１００にセットされると、プログラムが記録媒体１０１からドライブ装置１００を介して補助記憶装置１０２にインストールされる。但し、プログラムのインストールは必ずしも記録媒体１０１より行う必要はなく、ネットワークを介して他のコンピュータよりダウンロードするようにしてもよい。補助記憶装置１０２は、インストールされたプログラムを格納すると共に、必要なファイルやデータ等を格納する。

【0012】

メモリ装置１０３は、プログラムの起動指示があった場合に、補助記憶装置１０２からプログラムを読み出して格納する。プロセッサ１０４は、ＣＰＵ若しくはＧＰＵ（Graphics Processing Unit）、又はＣＰＵ及びＧＰＵであり、メモリ装置１０３に格納されたプログラムに従って移行先ＡＰＩ推定装置１０に係る機能を実行する。インタフェース装置１０５は、ネットワークに接続するためのインタフェースとして用いられる。

【0013】

図２は、本発明の実施の形態における移行先ＡＰＩ推定装置１０の機能構成例を示す図である。図２に示されるように、移行先ＡＰＩ推定装置１０は、判定部１１及び学習部１２を有する。これら各部は、移行先ＡＰＩ推定装置１０にインストールされた１以上のプログラムが、プロセッサ１０４に実行させる処理により実現される。

【0014】

判定部１１は、移行元となるＡＰＩ（以下、「移行元ＡＰＩ」という。）の情報と、そのＡＰＩの移行先（以下、「移行先ＡＰＩ」という。）の有限個の各候補（以下、「候補ＡＰＩ」とい。）の情報とを入力とし、各候補ＡＰＩについて、移行先ＡＰＩであるか否かを判定する。ＡＰＩの情報（以下、「ＡＰＩ情報」という。）とは、当該ＡＰＩの定義を与えるソースコード（以下、単位「ソースコード」という。）及びシグネチャの組である。

【0015】

但し、移行元ＡＰＩ及び候補ＡＰＩ群の中で、一部のＡＰＩ又は全部のＡＰＩのＡＰＩ情報は、自然言語による当該ＡＰＩの説明文（以下、単に「説明文」という。）を更に含んでもよい。

【0016】

学習部１２は、判定部１１が用いるパラメータ（係数）の値の学習を行う。

【0017】

図３は、判定部１１の構成例を示す図である。図３において、判定部１１は、説明文・シグネチャ類似度計算部１１１、コード類似度計算部１１２、線形結合部１１３及び分類部１１４を含む。

【0018】

説明文・シグネチャ類似度計算部１１１は、移行元ＡＰＩ及び１つの候補ＡＰＩのそれぞれの説明文及びシグネチャを接続した文字列の埋め込みを計算し、計算された２つの埋め込み間の類似度（余弦類似度）を計算する。なお、説明文は必須の要素ではないため、説明文及びシグネチャを接続した文字列の埋め込みは、シグネチャのみを含む文字列の埋め込みである可能性もある。

【0019】

コード類似度計算部１１２は、移行元ＡＰＩ及び１つの候補ＡＰＩのそれぞれのソースコードの埋め込みを計算し、計算された２つの埋め込み間の類似度を計算する。判定部１１による判定は、２つのＡＰＩそれぞれの説明文及びシグネチャの埋め込みの類似度と、ソースコードの埋め込みの類似度とに基づいて行われる。

【0020】

但し、あるデータＡの埋め込みとは、Ａの多次元ベクトルへのエンコードの結果のことをいう。類似度に基づく理由は、仮に２つのＡＰＩがそれぞれ移行元・移行先の関係にある場合、両者のソースコードの意味と説明文及びシグネチャの意味はそれぞれ類似する傾向にあり、これを推定に利用するためである。

【0021】

埋め込みを利用する理由は、ソースコード、説明文及びシグネチャが有する「意味」を多次元空間上の点にマップすることができるからである。ソースコード、説明文及びシグネチャの埋め込みは、それぞれ、以下の参考文献１、２にあるような表現学習のモデルを利用する（それぞれについて公開されている訓練済みモデルを利用してもよい。）。
［参考文献１］Devlin, J., Chang, M.-W., Lee, K., and Toutanova, K. BERT: Pre-training of deep bidirectional transformers for language understanding. In Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, Volume 1 (Long and Short Papers) (Minneapolis, Minnesota, June 2019), Association for Computational Linguistics, pp. 4171-4186.
［参考文献２］Feng, Z., Guo, D., Tang, D., Duan, N., Feng, X., Gong, M., Shou, L., Qin, B., Liu, T., Jiang, D., and Zhou, M. CodeBERT: A pre-trained model for programming and natural languages. In Findings of the Association for Computational Linguistics: EMNLP 2020 (Online, Nov. 2020), Association for Computational Linguistics, pp. 1536-1547.
線形結合部１１３は、説明文・シグネチャ類似度計算部１１１及びコード類似度計算部１１２によって計算されたそれぞれの類似度を重み係数θで線形結合する。線形結合は、説明文・シグネチャ類似度計算部１１１、コード類似度計算部１１２の出力をそれぞれｐ_Ｎ、ｐ_Ｃとしたとき、以下の式（１）で与えられる。
θ_Ｎ＋ｐ_Ｎ＋θ_Ｃ＋ｐ_Ｃ＋θ_ｉ （１）
但し、θ_ｉはバイアス項である。θ_Ｎ、θ_Ｃ、θ_ｉは、学習部１２が教師データを用いて２値分類結果に関する交差エントロピー誤差を最小化するように学習し決定する。

【0022】

分類部１１４は、線形結合の結果をシグモイド関数によって活性化することで２つのＡＰＩが移行元・移行先の関係にあるか否かの２値の分類結果を出力する。

【0023】

以下、移行先ＡＰＩ推定装置１０が実行する処理手順について説明する。図４は、機械学習による重み係数θの決定処理の処理手順の一例を説明するためのフローチャートである。

【0024】

ステップＳ１０１において、学習部１２は、教師データを読み込む。ここで、教師データは、既知の移行元・移行先の関係にある２つのＡＰＩ（λｓ、λｔ）からなる正例のペアと、λｓと、λｔと同一のライブラリに属しているがλｓの移行先ではないＡＰＩとからなる負例のペアを含む。これらの正例のペア及び負例のペアは予め作成される。なお、教師データの構成をＢＮＦ（Backus-Naur form）記法に準拠した形式で定義すると以下の通りである。
教
教師データ:：＝（λｓ，λｔ，ラベル）＋
λｓ：：＝ＡＰＩ情報
λｔ：：＝ＡＰＩ情報
ラベル：：＝０｜１
なお、正例のラベルの値は１であり、負例のラベルの値は０である。

【0025】

続いて、学習部１２は、教師データを判定部１１に対する入力として、機械学習により重み係数θを決定する（Ｓ１０２）。具体的には、学習部１２は、教師データが含む正例及び負例を教師信号とした場合の判定部１１による判定結果の交差エントロピー誤差が最小となるように、重み係数θ_Ｎ、θ_Ｃ、θ_ｉを勾配降下法で最適化する。

【0026】

図５は、移行先ＡＰＩの推定処理の処理手順の一例を説明するためのフローチャートである。

【0027】

ステップＳ２０１において、判定部１１は、移行元ＡＰＩ及び候補ＡＰＩリストを読み込む。なお、図５の説明において、移行元ＡＰＩ及び候補ＡＰＩリストの定義は以下の通りである。
移行元ＡＰＩ：：＝ＡＰＩ情報
候補ＡＰＩリスト：：＝候補ＡＰＩのリスト
候補ＡＰＩ：：＝ＡＰＩ情報
ＡＰＩ情報：：＝（ＮＬ－ｉｎｆｏ，Ｃｏｄｅ－ｉｎｆｏ）
ＮＬ－ｉｎｆｏ：：＝説明文～Ｄｅｌｉｍｉｔｅｒ～シグネチャ｜シグネチャ
Ｃｏｄｅ－ｉｎｆｏ：：＝シグネチャ～Ｄｅｌｉｍｉｔｅｒ～Ｂｏｄｙ
Ｄｅｌｉｍｉｔｅｒ：：＝任意の区切り記号
なお、「～」は文字列結合の演算子である。「シグネチャ」、「Ｂｏｄｙ」は、それぞれＡＰＩの定義を与えるソースコードのシグネチャ、ボディを指す。シグネチャとは、ＡＰＩの型情報、引数情報、可視性などの修飾子の情報を表す文字列をいう。ボディとは、ＡＰＩの動作を定義する命令列である。すなわち、ボディは、ソースコードのうちシグネチャを含まない部分（シグネチャを除いた部分）をいう。例えば、図６に示すソースコードのシグネチャは、部分ｐ１であり、ボディは、部分ｐ２である。

【0028】

続いて、判定部１１は、候補ＡＰＩリストに含まれる候補ＡＰＩごとに、移行元ＡＰＩとのペアを生成する（Ｓ２０２）。続いて、ペアごとにステップＳ２０３～Ｓ２０８が実行される。以下、処理対象（注目対象）のペアを「対象ペア」という。

【0029】

ステップＳ２０３において、説明文・シグネチャ類似度計算部１１１は、対象ペアの移行元ＡＰＩのＮＬ－ｉｎｆｏ及び候補ＡＰＩのＮＬ－ｉｎｆｏそれぞれの埋め込みを計算する。すなわち、説明文・シグネチャ類似度計算部１１１は、これらの各ＮＬ－ｉｎｆｏを多値ベクトルへエンコードする。したがって、２つの埋め込みが得られる。続いて、説明文・シグネチャ類似度計算部１１１は、２つの埋め込み間の余弦類似度を計算する（Ｓ２０４）。

【0030】

ステップＳ２０５において、コード類似度計算部１１２は、対象ペアの移行元ＡＰＩのＣｏｄｅ－ｉｎｆｏ及び候補ＡＰＩのＣｏｄｅ－ｉｎｆｏそれぞれの埋め込みを計算する。すなわち、コード類似度計算部１１２は、これらの各Ｃｏｄｅ－ｉｎｆｏを多値ベクトルへエンコードする。したがって、２つの埋め込みが得られる。続いて、コード類似度計算部１１２は、２つの埋め込み間の余弦類似度を計算する（Ｓ２０６）。

【0031】

続いて、線形結合部１１３は、ステップＳ２０４において算出された余弦類似度、ステップＳ２０６で算出された余弦類似度、及び学習済みの重み係数θを式（１）に当てはめて、２つの余弦類似度を線形結合する（Ｓ２０７）。

【0032】

続いて、分類部１１４は、線形結合の結果をシグモイド関数によって活性化することで対象ペアに係る移行元ＡＰＩ及び候補ＡＰＩが移行元・移行先の関係にあるか否かについて２値に分類する（Ｓ２０８）。

【0033】

全てのペアについてステップＳ２０３～Ｓ２０８が実行されると、判定部１１は、移行先ＡＰＩの推定結果を出力する（Ｓ２０９）。推定結果の定義は、以下の通りである。
推定結果：：＝ラベルのリスト
ラベル：：＝０｜１
ラベルについて、０は移行先ＡＰＩではないという推定結果（判定結果）を示し、１は移行先ＡＰＩであるという推定結果（判定結果）を示す。

【0034】

なお、図５において、ステップＳ２０３～Ｓ２０８については、便宜上、ループ処理として説明したが、例えば、図７に示すように、判定部１１は、自らのインスタンスについて、ペアの数（候補ＡＰＩの数）のコピーを生成してもよい。この場合、各インスタンスが、並列的にステップＳ２０３～Ｓ２０８を実行することができる。

【0035】

上述したように、本実施の形態によれば、２つのＡＰＩのシグネチャ及びソースコードのそれぞれの埋め込みに基づいて、２つのＡＰＩの類似度が計算され、当該類似度に基づいて２つのＡＰＩが移行元・移行先の関係を有するか否かが判定される。したがって、説明文が与えられていないＡＰＩが存在する場合でも或るＡＰＩの移行先のＡＰＩを推定することができる。

【0036】

なお、本実施の形態において、説明文・シグネチャ類似度計算部１１１は、第１の計算部の一例である。コード類似度計算部１１２は、第２の計算部の一例である。

【0037】

以上、本発明の実施の形態について詳述したが、本発明は斯かる特定の実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。

【符号の説明】

【0038】

１０ 移行先ＡＰＩ推定装置
１１ 判定部
１２ 学習部
１００ ドライブ装置
１０１ 記録媒体
１０２ 補助記憶装置
１０３ メモリ装置
１０４ プロセッサ
１０５ インタフェース装置
１１１ 説明文・シグネチャ類似度計算部
１１２ コード類似度計算部
１１３ 線形結合部
１１４ 分類部
Ｂ バス

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】