利用问答论坛数据探索软件可复用性度量
软件工程
2020-05-19 v1
摘要
问答（Q&A）论坛包含有关软件复用的有价值信息，但由于其非结构化自由文本，分析起来可能具有挑战性。本文我们提出一种新方法（LANLAN），利用词嵌入和机器学习来挖掘 StackOverflow 中的可用信息。具体而言，我们考虑两类描述软件复用中遇到困难的用户交流：'问题报告'指向潜在缺陷，而'支持请求'则询问软件用法的澄清。词嵌入在来自 StackOverflow 的 16 亿个 token 上训练，并用于识别哪些问答论坛消息（来自两个大型开源项目：Eclipse 和 Bioconductor）对应于问题报告或支持请求。LANLAN 的接收者操作曲线下面积（AUROC）超过了 0.9；它可用于探索软件可复用性度量与用户所遇困难之间的关系，并预测用户未来将面临的困难数量。问答论坛数据有助于增进对软件复用的理解，并可作为评估软件可复用性度量的额外资源加以利用。
引用
@article{arxiv.2005.08845,
title = {Exploring Software Reusability Metrics with Q&A Forum Data},
author = {Matthew T. Patrick},
journal= {arXiv preprint arXiv:2005.08845},
year = {2020}
}