用于估计故事点的深度学习模型
软件工程
2016-09-07 v2 机器学习
机器学习
摘要
尽管在传统软件项目的软件分析中已有大量关于工作量估计的研究，但针对敏捷项目中的估计工作，尤其是估计用户故事或议题，所做的研究仍然很少。故事点是用于估计实现用户故事或解决议题所需工作量的最常用度量单位。在本文中，我们首次提供了一个用于基于故事点估计的综合数据集，其中包含来自 16 个开源项目的 23,313 个议题。我们还提出了一种基于两种强大深度学习架构（长短期记忆网络和循环高速公路网络）新颖组合的故事点估计预测模型。我们的预测系统是端到端可训练的，从原始输入数据到预测结果无需任何手动特征工程。实证评估表明，我们的方法在平均绝对误差和标准化准确率上均始终优于三种常见的工作量估计基线和两种替代方法。
引用
@article{arxiv.1609.00489,
title = {A deep learning model for estimating story points},
author = {Morakot Choetkiertikul and Hoa Khanh Dam and Truyen Tran and Trang Pham and Aditya Ghose and Tim Menzies},
journal= {arXiv preprint arXiv:1609.00489},
year = {2016}
}
备注
Submitted to ICSE'17