深度学习在缺陷修复者推荐中的应用

TP311.5; 目前许多软件项目使用缺陷追踪系统来自动化管理用户或者开发人员提交的缺陷报告.随着缺陷报告和开发人员数量的增长,如何快速将缺陷报告分配给合适的缺陷修复者正在成为缺陷快速解决的一个重要问题.分别使用长短期记忆模型和卷积神经网络两种深度学习方法来构建缺陷修复者推荐模型.该模型能够有效地学习缺陷报告的特征,并且根据该特征推荐合适的修复者.通过与传统机器学习方法(如贝叶斯方法和支持向量机方法)进行对比,该方法可以比较有效地在众多开发者中找出合适的缺陷修复者....

Full description

Saved in:
Bibliographic Details
Published in计算机科学与探索 Vol. 11; no. 5; pp. 700 - 707
Main Authors 胡星, 王千祥
Format Journal Article
LanguageChinese
Published 北京大学高可信软件技术教育部重点实验室,北京,100871 2017
Subjects
deep learning
缺陷报告分配
缺陷追踪
issue tracking
深度学习
bug report assignment
Online AccessGet full text
ISSN1673-9418
DOI10.3778/j.issn.1673-9418.1609033

Cover

More Information
Summary:TP311.5; 目前许多软件项目使用缺陷追踪系统来自动化管理用户或者开发人员提交的缺陷报告.随着缺陷报告和开发人员数量的增长,如何快速将缺陷报告分配给合适的缺陷修复者正在成为缺陷快速解决的一个重要问题.分别使用长短期记忆模型和卷积神经网络两种深度学习方法来构建缺陷修复者推荐模型.该模型能够有效地学习缺陷报告的特征,并且根据该特征推荐合适的修复者.通过与传统机器学习方法(如贝叶斯方法和支持向量机方法)进行对比,该方法可以比较有效地在众多开发者中找出合适的缺陷修复者.
ISSN:1673-9418
DOI:10.3778/j.issn.1673-9418.1609033