基于情感分析与BERT主题建模的大型开源软件仓库中Bug命运预测
软件工程
2025-04-23 v1 人工智能
摘要
本研究探索了一种新颖的方法，用于预测关键bug相关结果，包括解决时间、修复时间以及最终状态，方法基于来自Bugzilla Eclipse项目的数据。具体而言，我们利用在bug解决前即可获得的特征来提高预测精度。我们的 methodology 融合了情感分析，以得出情感得分和情感分类（正面或负面），此外，我们整合了bug的优先级及其主题（使用BERTopic模型提取），作为卷积神经网络（CNN）和多层感知机（MLP）的特征。我们的发现表明，BERTopic与情感分析的结合可以提高某些模型性能指标。此外，我们观察到在实用性方面的平衡模型输入虽会显著降低大多数情况下的准确率，但仍具有重要意义。为实现我们的主要目标——预测解决时间、修复时间和bug命运——我们采用二元分类和精确时间值预测，允许对其预测有效性进行比较评估。结果表明，情感分析是预测bug最终结果的有价值预测器，尤其是在确定其是否会被修复方面。然而，在对bug进行更复杂或非传统结果类别的分类时，其效用较小。
引用
@article{arxiv.2504.15972,
title = {Bug Destiny Prediction in Large Open-Source Software Repositories through Sentiment Analysis and BERT Topic Modeling},
author = {Sophie C. Pope and Andrew Barovic and Armin Moin},
journal= {arXiv preprint arXiv:2504.15972},
year = {2025}
}