用于检测自承认技术债务的深度学习与数据增强

自承认技术债务 (SATD) 指开发人员使用文本性质器件来解释现有实现不够最优的情形。过去的研究在检测 SATD 方面主要聚焦于两种任务：要么识别 SATD (将 SATD 项目分类为 SATD 或非 SATD)，要么对 SATD 进行分类 (将实例标记为涉及需求、设计、代码、测试等债务的 SATD)。然而，这些方法的性能仍不理想，尤其是针对特定类型的 SATD（如测试债务和需求债务），主要由于数据极度不平衡。为此，我们在此基础上利用 BiLSTM 架构进行 SATD 的二进制识别，并采用 BERT 架构对不同类型的 SATD 进行分类。尽管两者都相当有效，但都难以应对不平衡数据。因此，我们采用大语言模型数据增强策略来缓解此问题。此外，我们引入了一个两步方法，用于跨越各类来源数据集的 SATD 识别与分类。我们的贡献包括为未来的 SATD 研究者提供平衡数据集，并表明我们的方法在显著性地提高 SATD 识别与分类性能方面优于基线方法。