iTiger：一种自动化的议题标题生成工具
软件工程
2022-09-01 v2
摘要
在商业和开源软件中，缺陷报告或议题被用于跟踪缺陷或功能请求。然而，议题的质量可能差异很大。先前的研究发现，质量良好的缺陷报告往往比质量低劣的缺陷报告获得更多关注。作为议题的一个基本组成部分，标题质量是议题质量的一个重要方面。此外，议题通常以列表视图呈现，其中仅显示议题标题和一些元数据。在这种情况下，简洁而准确的标题对于读者把握议题的总体概念并促进议题分派至关重要。先前的工作将议题标题生成任务形式化为单句摘要任务，并采用序列到序列模型来解决该任务。然而，它需要有大量的领域特定训练数据才能在议题标题生成中取得良好性能。最近，从大规模通用语料中学习知识预训练模型在软件工程任务中已显示出很大成功。在这项工作中，我们首次尝试微调（fine-tune）已在英语语料上预训练的 BART 来生成议题标题。我们将微调后的 BART 实现为一个名为 iTiger 的 Web 工具，该工具可基于议题描述建议一个议题标题。iTiger 在 267,094 个 GitHub 议题上进行了微调。我们在 33,438 个议题上将 iTiger 与最先进的方法（即 iTAPE）进行了比较。自动评估显示，iTiger 在 ROUGE-1、ROUGE-2、ROUGE-L F1 分数上分别优于 iTAPE 29.7%、50.8% 和 34.1%。人工评估也表明，在 72.7% 的情况下，评估者更倾向于由 BART 生成的标题而非 iTAPE 生成的标题。此外，评估者认为我们的工具有用且易于使用，他们也有兴趣在未来使用我们的工具。
引用
@article{arxiv.2206.10811,
title = {iTiger: An Automatic Issue Title Generation Tool},
author = {Ting Zhang and Ivana Clairine Irsan and Ferdian Thung and DongGyun Han and David Lo and Lingxiao Jiang},
journal= {arXiv preprint arXiv:2206.10811},
year = {2022}
}
备注
Accepted by the ESEC/FSE 2022 Demonstrations Track