JavaScript (JS) is one of the most popular programming languages due to its flexibility and versatility, but debugging JS code is tedious and error-prone. In our research, we conducted an empirical study to characterize the relationship between co-changed software entities (e.g., functions and variables), and built a machine learning (ML)-based approach to recommend additional entity to edit given developers' code changes. Specifically, we first crawled 14,747 commits in 10 open-source projects; for each commit, we created one or more change dependency graphs (CDGs) to model the referencer-referencee relationship between co-changed entities. Next, we extracted the common subgraphs between CDGs to locate recurring co-change patterns between entities. Finally, based on those patterns, we extracted code features from co-changed entities and trained an ML model that recommends entities-to-change given a program commit. According to our empirical investigation, (1) 50% of the crawled commits involve multi-entity edits (i.e., edits that touch multiple entities simultaneously); (2) three recurring patterns commonly exist in all projects; and (3) 80--90% of co-changed function pairs either invoke the same function(s), access the same variable(s), or contain similar statement(s); and (4) our ML-based approach CoRec recommended entity changes with high accuracy. This research will improve programmer productivity and software quality.

中文翻译：

---

调查和推荐JavaScript程序的共同更改实体

由于JavaScript（JS）的灵活性和多功能性，它是最受欢迎的编程语言之一，但是调试JS代码既繁琐又容易出错。在我们的研究中，我们进行了一项经验研究，以表征共同更改的软件实体（例如，功能和变量）之间的关系，并建立了一种基于机器学习（ML）的方法，以推荐其他实体来编辑给定开发人员的代码更改。具体来说，我们首先在10个开源项目中抓取了14,747个提交；对于每次提交，我们创建了一个或多个更改依赖关系图（CDG），以对共同更改的实体之间的引用者-引用者关系进行建模。接下来，我们提取了CDG之间的公共子图，以定位实体之间的重复性共同变更模式。最后，根据这些模式，我们从共同变更的实体中提取了代码功能，并训练了一个ML模型，该模型建议在程序提交后建议变更实体。根据我们的经验研究，（1）50％的爬网提交涉及多实体编辑（即，同时接触多个实体的编辑）；（2）所有项目中普遍存在三种重复模式；（3）80--90％的共同更改函数对调用相同的函数，访问相同的变量或包含相似的语句；（4）我们的基于ML的方法CoRec建议以较高的准确性更改实体。这项研究将提高程序员的生产率和软件质量。同时接触多个实体的编辑）；（2）所有项目中普遍存在三种重复模式；（3）80--90％的共同更改函数对调用相同的函数，访问相同的变量或包含相似的语句；（4）我们的基于ML的方法CoRec建议以较高的准确性更改实体。这项研究将提高程序员的生产率和软件质量。同时接触多个实体的编辑）；（2）所有项目中普遍存在三种重复模式；（3）80--90％的共同更改函数对调用相同的函数，访问相同的变量或包含相似的语句；（4）我们的基于ML的方法CoRec建议以较高的准确性更改实体。这项研究将提高程序员的生产率和软件质量。