EALink：一种高效且精准的预训练框架用于问题-提交链接恢复
软件工程
2023-08-22 v1
摘要
问题-提交链接作为一种软件可追溯性链接，在各种软件开发与维护任务中起着至关重要的作用。然而它们通常有所缺失，因为开发者在提交时常常忘记或未能创建标签。现有研究已部署包括预训练模型在内的深度学习技术来改进自动问题-提交链接恢复。尽管性能可观，我们认为以往方法存在四个主要问题，阻碍其在大型软件项目中恢复链接。为克服这些问题，我们提出一种名为 EALink 的高效且精准的预训练框架用于问题-提交链接恢复。EALink 所需模型参数远少于现有预训练方法，带来高效的训练与恢复。此外，我们设计多种技术以提升 EALink 的恢复精度。我们构建大规模数据集并开展广泛实验以证明 EALink 的能力。结果显示，EALink 在各种评估指标上大幅优于最先进方法（15.23%–408.65%）。同时，其训练与推理开销比现有方法低数个数量级。
引用
@article{arxiv.2308.10759,
title = {EALink: An Efficient and Accurate Pre-trained Framework for Issue-Commit Link Recovery},
author = {Chenyuan Zhang and Yanlin Wang and Zhao Wei and Yong Xu and Juhong Wang and Hui Li and Rongrong Ji},
journal= {arXiv preprint arXiv:2308.10759},
year = {2023}
}
备注
13 pages, 6 figures, published to ASE