面向深度学习代码气味检测的数据准备：系统文献综述
软件工程
2024-06-28 v1
摘要
代码气味检测 (CSD) 在提高软件质量和可维护性方面发挥着关键作用。深度学习 (DL) 技术因其卓越性能而成为 CSD 的潜在方法。然而，DL 方法的有效性严重依赖于训练数据的质量。尽管数据准备至关重要，但目前在分析 CSD 数据准备过程方面投入的精力仍有限。本系统文献综述分析了 DL 基于 CSD 方法中使用的数据准备技术。我们确定了截至 2023 年 12 月出版的 36 篇相关论文，并对构建 CSD 数据集的关键考虑因素进行彻底分析，包括数据需求、收集、标注和清洗。我们还总结了文献中七个主要挑战及其相应解决方案。最后，我们提出可操作性建议，强调数据多样性、标准化和可获取性的重要性。本综述为研究者和实践者提供了宝贵洞见，帮助其充分发挥 DL 技术在 CSD 中的潜力。
引用
@article{arxiv.2406.19240,
title = {Data Preparation for Deep Learning based Code Smell Detection: A Systematic Literature Review},
author = {Fengji Zhang and Zexian Zhang and Jacky Wai Keung and Xiangru Tang and Zhen Yang and Xiao Yu and Wenhua Hu},
journal= {arXiv preprint arXiv:2406.19240},
year = {2024}
}