[Paper] 소프트웨어 의도 임베딩: 경량 Java 모듈 복구

Source: arXiv - 2512.15980v1

개요

이 논문은 ClassLAR이라는 경량 기법을 소개한다. 이 기법은 대규모 단일 코드베이스에서 Java 9 모듈 정의를 자동으로 추출한다. 완전한 클래스 이름을 “소프트웨어 의도”로 간주하고 이를 언어 모델에 입력함으로써, 저자들은 시스템의 실제 아키텍처와 밀접하게 일치하는 모듈을 기존 복구 도구보다 훨씬 빠르게 복원할 수 있다.

주요 기여

• Intent‑driven recovery: 패키지와 클래스 이름의 의미적 단서(언어 모델 활용)를 사용해 무거운 정적 분석 없이도 아키텍처 의도를 추론합니다.
• Class‑and‑Language model (ClassLAR): 간단한 이름 기반 특징과 컨텍스트 임베딩을 결합한 새로운 하이브리드 모델로, 실제 모듈 레이아웃과 높은 일치도를 달성합니다.
• Performance gains: 20개의 실제 Java 프로젝트에서 최신 복구 접근법보다 3.99 × – 10.5 ×  빠른 실행 속도를 보여줍니다.
• Empirical validation: 여러 메트릭에 걸쳐 우수한 아키텍처 수준 유사도 점수를 나타내는 인기 오픈소스 저장소에 대한 포괄적인 평가를 수행했습니다.

Methodology

1. Data collection – 각 Java 프로젝트에 대해 도구는 모든 완전한 클래스 이름(예: org.apache.commons.io.FileUtils)을 추출합니다.
2. Semantic embedding – 사전 학습된 언어 모델(예: BERT 기반)이 각 이름을 밀집 벡터로 변환하여 어휘적 의미(“File”, “Utils”, “io”)를 포착합니다.
3. Clustering – 벡터는 패키지 명명 규칙의 계층적 특성을 고려하는 경량 클러스터링 알고리즘(예: 계층적 병합 클러스터링)으로 그룹화됩니다.
4. Module inference – 결과 클러스터를 JPMS 모듈 기술자(module-info.java)에 매핑하여 구조적(패키지 계층) 및 기능적(의미적 유사성) 의도를 모두 반영하는 모듈 집합을 생성합니다.
5. Evaluation – 복원된 모듈을 수동으로 구성된 모듈 레이아웃과 비교하고, MoJoFM, NED, 패키지 수준 결합도와 같은 아키텍처 유사성 메트릭을 사용해 평가합니다.

전체 파이프라인은 바이트코드 분석과 같은 비용이 높은 작업을 피하고 가벼운 텍스트 처리와 벡터 연산만을 사용하기 때문에 중간 규모 프로젝트에서도 몇 초 안에 실행됩니다.

결과 및 발견

• 높은 아키텍처 유사도: ClassLAR는 정적‑의존성 기반 복구보다 개발자가 의도한 아키텍처와 더 가깝게 모듈 그룹을 일관되게 생성했습니다.
• 속도: 클래스 이름만 파싱하기 때문에 접근 방식이 선형적으로 확장되며 10 k개 이상의 클래스를 가진 프로젝트에서도 1분 이하로 실행됩니다.
• 견고성: 언어 모델이 “crypto”와 “security”와 같은 미묘한 의도를 포착하여 순수 패키지‑구조 휴리스틱이 놓친 부분을 보완하고, 모듈 내 기능적 응집도를 향상시켰습니다.

Practical Implications

• Rapid JPMS migration: 팀은 레거시 모놀리스를 위한 module-info.java를 수동 리팩터링 없이 부트스트랩할 수 있어, 마이그레이션 시간을 몇 주에서 몇 시간으로 단축할 수 있습니다.
• Continuous architecture monitoring: ClassLAR를 CI 파이프라인에 통합해 코드와 선언된 모듈 간의 드리프트를 감지하고, 캡슐화 버그가 나타나기 전에 개발자에게 경고합니다.
• Tooling ecosystem: 가벼운 특성 덕분에 IDE 플러그인, 빌드 도구(Maven/Gradle) 또는 모듈 경계를 실시간으로 제안하는 코드‑리뷰 봇에 쉽게 임베드할 수 있습니다.
• Improved maintainability: 코드베이스를 명시적 모듈과 정렬함으로써 개발자는 더 강력한 캡슐화 보장, 명확한 의존성 그래프, 그리고 Java의 서비스‑로더 메커니즘에 대한 향상된 지원을 얻을 수 있습니다.

제한 사항 및 향후 작업

• 이름 품질 의존성: 패키지/클래스 이름이 부적절하게 선택된 프로젝트(예: 일반적인 util 패키지)는 임베딩 품질을 저하시켜 모듈 정확도가 떨어질 수 있습니다.
• 언어 모델 범위: 현재 모델은 일반 Java 코퍼스에 대해 학습되었으며, 도메인‑특화 어휘(예: 과학 계산)는 추가 파인‑튜닝이 필요할 수 있습니다.
• 동적 동작 무시: ClassLAR는 런타임 리플렉션이나 동적 클래스 로딩을 분석하지 않으며, 이는 고도로 동적인 시스템에서 모듈 경계에 영향을 줄 수 있습니다.

향후 연구 방향으로는 이름 의미를 보완하기 위한 경량 정적 의존성 그래프 통합, 다른 JVM 언어(Kotlin, Scala) 적용을 위한 접근 방식 확장, 그리고 지속적으로 진화하는 코드베이스에 대한 증분 복구 탐색이 포함됩니다.

저자

• Yirui He
• Yuqi Hu
• Xingyu Chen
• Joshua Garcia

논문 정보

• arXiv ID: 2512.15980v1
• 분류: cs.SE, cs.AI
• 출판일: 2025년 12월 17일
• PDF: Download PDF