利用文本与非文本数据的缺陷-提交链接自动恢复
软件工程
2021-07-06 v1 机器学习
摘要
缺陷(issue)记录了问题追踪系统中围绕所需变更的讨论，而提交(commit)在版本控制系统中包含变更本身。恢复缺陷与提交间的链接可便利诸多软件演化任务，如缺陷定位与软件文档化。一项基于GitHub上超五十万缺陷的研究报告称仅约42.2%的缺陷由开发者手动链接至相关提交。自动化提交-缺陷对的链接有助于改进上述任务。迄今，当前最先进的自动提交-缺陷链接方法精度较低，导致结果不可靠，有时甚至需要对预测链接施加人工监督。当提交或缺陷缺乏文本信息时，低性能问题更为严重。现有方法还被证实计算开销大。我们提出Hybrid-Linker以克服这些局限，其利用两条信息通道：(1)基于非文本的组件，对提交-缺陷对自动记录的非文本信息进行操作以预测链接；(2)基于文本的组件，利用提交-缺陷对的文本信息做同样预测。随后，Hybrid-Linker结合两个分类器的结果做出最终预测。因此，每当一个组件在预测链接上不足时，另一组件填补缺口并改善结果。我们在12个项目的数据集上将Hybrid-Linker与竞争方法FRLink和DeepLink评估对比。Hybrid-Linker在召回率、精确率与F值上分别达到90.1%、87.8%和88.9%。其在F值上分别超越FRLink和DeepLink达31.3%与41.3%。此外，Hybrid-Linker在性能方面也展现出大幅提升。
引用
@article{arxiv.2107.01894,
title = {Automated Recovery of Issue-Commit Links Leveraging Both Textual and Non-textual Data},
author = {Pooya Rostami Mazrae and Maliheh Izadi and Abbas Heydarnoori},
journal= {arXiv preprint arXiv:2107.01894},
year = {2021}
}
备注
To appear in the Proceedings of the 37th IEEE Conference on Software Maintenance and Evolution (ICSME)