自动将缺陷报告与相关应用评论相匹配

应用商店允许用户提供有关应用的有价值反馈，并让开发者发现这些反馈并将其用于软件演化。然而，寻找与问题跟踪器中已有缺陷报告相匹配的用户反馈颇具挑战，因为用户与开发者常使用不同语言。本工作中，我们提出 DeepMatcher，一种利用前沿深度学习方法将应用评论中的问题报告与问题跟踪器中的缺陷报告自动匹配的方法。我们从定量与定性两方面以四个开源应用对 DeepMatcher 进行了评估。DeepMatcher 平均达到 0.71 的命中率与 0.55 的平均均值精度。对于 91 个问题报告，DeepMatcher 未找到任何匹配缺陷报告。当人工分析这 91 个问题报告及所研究应用的问题跟踪器时，我们发现其中 47 例里用户实际在开发者发现并于问题跟踪器中记录之前便描述了问题。我们讨论了研究发现及 DeepMatcher 的不同用例。