BugMentor:基于结构化信息检索与神经文本生成从软件缺陷报告生成追问的答复

软件缺陷报告常缺乏关键信息(例如复现步骤),这使得缺陷修复颇具挑战。开发者因而提出追问以获取额外信息。然而,根据已有证据,缺陷报告者常难以回答这些问题,导致缺陷报告在未解决的情况下被提前关闭。近期研究提出了追问以支持开发者,但回答追问仍是一大挑战。本文提出 BugMentor,一种结合结构化信息检索与神经文本生成(如 Mistral)来生成恰当追问答复的新方法。我们的技术识别与给定缺陷报告相关的历史缺陷报告,捕获上下文信息,进而利用其生成答复。我们使用包括 BLEU 分数与语义相似度在内的四个恰当指标,将生成的答复与真实答复进行评估。我们取得了最高 72 的 BLEU 分数和最高 92 的语义相似度,表明依据 Google 的 AutoML Translation 文档,我们的技术能生成可理解且良好的追问答复。我们的技术还以统计显著优势优于四个现有基线。我们还开展了一项涉及 23 名参与者的开发者研究,其中我们技术生成的答复被认定更准确、更精确、更简洁且更有用。