細粒度での変更を推薦するツールARESの論文．

コードに変更を加えたときに，それと似た箇所にも変更を加える必要があることが多い． しかし，手作業での変更は時間がかかるうえにバグが入り込む可能性がある． そのため，自動で変更を推薦するシステムが必要となる． 複数のコードの変更からパターンを抽出してそれをコードに適用する手法は存在するが，既存手法では似ている変更の共通部分しか見ていないことが多く，また，基となる変更中には存在しない文には対応できないといった問題点が存在した． そこで著者らは，そのような問題点を克服したツールARESを開発した．

ARESはコードの変化からパターンを抽出して，そのパターンの適用先を探し，複数の適用結果を開発者に推薦する． パターンの作成には，実際のコードの変更を正規化する． 正規化の仕方として，

• そのスコープ内のローカル変数は正規化する
• 複数のコードでの変更で異なる箇所は，ワイルドカード扱いとする．つまり，任意の変更を受け入れる
• 変更後のコードでワイルドカードを利用する箇所を記録しておく
• try-catchなどは本質的な処理だけを記録する

機械学習ではないっぽい．

提案手法の説明がかなり細かくされていて読むのがしんどい．