基于監(jiān)督學(xué)習(xí)的bug報(bào)告和源代碼摘要.pdf

1、開(kāi)發(fā)者在執(zhí)行軟件任務(wù)時(shí)，需要與軟件工件如bug報(bào)告、源代碼倉(cāng)庫(kù)等進(jìn)行交互，為了獲取所需要的信息，也許需要徹底地通讀整個(gè)工件。然而，從bug報(bào)告和源代碼中提取有價(jià)值的信息是一項(xiàng)十分繁瑣且耗時(shí)的任務(wù)。為了高效地求解這個(gè)任務(wù)，研究者建議為軟件工件自動(dòng)化地建立摘要信息。
　　在本文，為了方便開(kāi)發(fā)者從bug報(bào)告和源代碼倉(cāng)庫(kù)中高效地提取所需要的信息，我們提出使用有監(jiān)督的學(xué)習(xí)技術(shù)來(lái)建立摘要信息。我們使用重復(fù)的bug報(bào)告來(lái)建立bug報(bào)告摘要信息，

2、作為自然語(yǔ)言文本摘要任務(wù)的一個(gè)實(shí)例。在另一個(gè)調(diào)研中，我們執(zhí)行源代碼片段摘要，作為源代碼到源代碼摘要任務(wù)的一個(gè)實(shí)例。
　　對(duì)于bug報(bào)告，我們開(kāi)發(fā)了一種基于PageRank的bug報(bào)告摘要算法(PageRankbased Summarization Technique)，簡(jiǎn)稱(chēng)為PRST。該算法使用三種不同的相似度度量方法，分別基于VSM、Jaccard和WordNet，來(lái)計(jì)算主bug報(bào)告和對(duì)應(yīng)的重復(fù)的bug報(bào)告之間的相似度。由于公共

3、可用的bug報(bào)告語(yǔ)料庫(kù)中缺乏主bug報(bào)告和重復(fù)bug報(bào)告的對(duì)應(yīng)關(guān)系，無(wú)法利用重復(fù)bug報(bào)告中包含的信息來(lái)執(zhí)行bug報(bào)告摘要任務(wù)。因此，我們從Mozilla、KDE、Gnome和Eclipse項(xiàng)目中抽取出59個(gè)bug報(bào)告并建立了一個(gè)獨(dú)立的bug報(bào)告語(yǔ)料庫(kù)，稱(chēng)為OSCAR。同時(shí)，我們通過(guò)增加重復(fù)的bug報(bào)告來(lái)重構(gòu)已有的BRC語(yǔ)料庫(kù)，并將其作為對(duì)比語(yǔ)料庫(kù)。我們采用幾種先進(jìn)的統(tǒng)計(jì)評(píng)價(jià)指標(biāo)，即精度(Precision)、召回率(Recall)，F(xiàn)

4、-Score和Pyramid Precision，外在地評(píng)價(jià)所提出的算法的有效性。結(jié)果顯示我們提出的算法能夠獲得相對(duì)準(zhǔn)確的bug報(bào)告摘要信息，并且，提高了已有的有監(jiān)督的bug報(bào)告和精度。
　　同樣地，為了建立源代碼摘要信息，我們開(kāi)發(fā)了一種基于SVM和NB分類(lèi)器的代碼片段摘要算法（Code Fragment Summarization，CFS）自動(dòng)生成源代碼片段中源到源摘要信息。在軟件工件摘要范式中，我們首次引入了基于數(shù)據(jù)驅(qū)動(dòng)的小規(guī)