MaintainoMATE：面向维护活动智能自动化的 GitHub 应用
软件工程
2023-09-01 v1 人工智能
摘要
软件开发项目以问题追踪系统为核心来跟踪缺陷报告、功能增强请求等维护任务。这些系统上的 incoming issue-reports 必须被有效管理：首先需打标签，再分配给具备相关专长的开发者。该处理过程至关重要，且需细致审阅 issue-report 中的文本，使其成为劳动密集型任务。本文提出统一框架MaintainoMATE，可自动将 issue-reports 归类至相应类别，并进一步分配给具备相关专长的开发者。我们以 Bidirectional Encoder Representations from Transformers (BERT) 作为 MaintainoMATE 的底层模型，学习上下文信息以完成自动标签与分配任务。我们将本框架部署为 GitHub 应用。在 GitHub issue-reports 上的实证评估展示了其标签分配能力：F1-score 接近80%，与现有 SOTA 结果相当；初步评估显示开发者分配 F1 达54%，较现有方法显著提升。初步结果表明，MaintainoMATE 有望通过准确自动化维护流程活动来提升软件质量并降低维护成本。未来工作将致力于改进 issue 分配模块。
引用
@article{arxiv.2308.16464,
title = {MaintainoMATE: A GitHub App for Intelligent Automation of Maintenance Activities},
author = {Anas Nadeem and Muhammad Usman Sarwar and Muhammad Zubair Malik},
journal= {arXiv preprint arXiv:2308.16464},
year = {2023}
}