基于深度学习的缺陷定位模型对从业者的实用性研究
软件工程
2019-12-09 v1
摘要
背景：开发者花费大量时间与精力来定位缺陷。文献中，许多研究者提出了最先进的缺陷定位模型以帮助开发者轻松定位缺陷。另一方面，从业者期望缺陷定位工具满足某些标准，如可信性、可扩展性与效率。当前模型无法满足这些标准，使得这些模型难以在实践中被采用。最近，文献中提出了基于深度学习的缺陷定位模型，其表现出优于最先进模型的性能。目的：在本研究中，我们想调查深度学习模型是否满足从业者的期望。方法：我们构建了一个卷积神经网络与一个简单逻辑模型，以检验它们在定位缺陷方面的有效性。我们在五个用Java编写的开源项目上训练这些模型，并将其性能与在这些数据集上训练的其他最先进模型的性能进行比较。结果：我们的实验表明，尽管深度学习模型优于经典机器学习模型，它们仅部分满足从业者设定的采用标准。结论：本工作提供的证据表明，从业者应在生产级用例中使用当前最先进模型时保持谨慎。它还强调了性能基准标准化的必要性，以确保缺陷定位模型得到公平且现实的评估。
引用
@article{arxiv.1907.08588,
title = {On Usefulness of the Deep-Learning-Based Bug Localization Models to Practitioners},
author = {Sravya Polisetty and Andriy Miranskyy and Ayse Bener},
journal= {arXiv preprint arXiv:1907.08588},
year = {2019}
}