关于深度学习在软件工程研究中应用的系统性文献综述
软件工程
2021-09-27 v2 人工智能
机器学习
神经与进化计算
摘要
软件工程（SE）研究人员为自动化开发任务而采用的一类日益流行的技术，是那些根植于深度学习（DL）概念的技术。此类技术的流行很大程度上源于其自动特征工程能力，有助于对软件制品建模。然而，由于 DL 技术被采用的步伐迅速，难以厘清当前研究图景中的成功、失败与机遇。为厘清这一跨领域工作从现代发端至今的状况，本文呈现了一份关于 SE 与 DL 交叉研究的系统性文献综述。该综述涵盖了最 prominent 的 SE 与 DL 会议和期刊中的工作，横跨 23 项独特 SE 任务共 128 篇论文。我们围绕学习组件（一组支配机器学习技术（ML）应用于给定问题域的原则）展开分析，在细粒度层面讨论所调研工作的若干方面。我们分析的最终成果是一份研究路线图，既描绘了应用于 SE 研究的 DL 技术之基础，又突出了未来值得探索的可能肥沃领域。
引用
@article{arxiv.2009.06520,
title = {A Systematic Literature Review on the Use of Deep Learning in Software Engineering Research},
author = {Cody Watson and Nathan Cooper and David Nader Palacio and Kevin Moran and Denys Poshyvanyk},
journal= {arXiv preprint arXiv:2009.06520},
year = {2021}
}
备注
59 pages, Accepted to TOSEM 2021