基于机器学习的完备提交信息质量检查器
软件工程
2023-09-12 v1 人工智能
机器学习
摘要
提交信息（CMs）是版本控制的重要部分。通过提供关于变更内容与原因的紧要上下文，它们强力支撑软件维护与演化。但写好CMs很困难且常被开发者忽视。迄今尚无适合实践的工具能自动评估CM撰写质量，包括其含义与上下文。由于该任务具挑战性，我们提出研究问题：以机器学习方法衡量含语义与上下文的CM质量能有多好？通过考量最流行CM质量指南的所有规则、为这些规则创建数据集并训练与评估最先进机器学习模型以检查规则，我们可回答该研究问题：对实践足够好，最具挑战任务的最低F分数为82.9%。我们开发了检查所有这些CM质量规则的完备开源框架。它对研究（如自动CM生成）有用，但更重要的是对软件从业者提升CM质量从而提升软件可维护性与演化速度有用。
引用
@article{arxiv.2309.04797,
title = {A Full-fledged Commit Message Quality Checker Based on Machine Learning},
author = {David Faragó and Michael Färber and Christian Petrov},
journal= {arXiv preprint arXiv:2309.04797},
year = {2023}
}
备注
published at COMPSAC'23