预测GitHub上的问题类型
软件工程
2021-07-22 v1 机器学习
摘要
软件维护与演化是软件项目成功的关键活动。为支持此类活动并保持代码最新且无错误，软件社区使用问题跟踪器，即用于 signaling、处理和解决软件系统中出现的问题的工具。然而，在热门项目中，每天会提交数十或数百份问题报告。在此背景下，识别每份提交报告的类型（例如错误报告、功能请求等）将有助于待处理问题的管理与优先级排序。为支持问题处理活动，本文提出 Ticket Tagger，这是一个 GitHub 应用，通过机器学习技术分析问题标题与描述，自动识别 GitHub 上提交的报告类型并相应地为每个问题分配标签。我们在约 30,000 个 GitHub 问题上对该工具的预测性能进行了实证评估。结果表明，Ticket Tagger 能以相当高的有效性识别应分配给 GitHub 问题的正确标签。考虑到这些结果以及该工具易于集成到 GitHub 问题管理流程中的事实，Ticket Tagger 构成了一种对开发者有用的解决方案。
引用
@article{arxiv.2107.09936,
title = {Predicting Issue Types on GitHub},
author = {Rafael Kallis and Andrea Di Sorbo and Gerardo Canfora and Sebastiano Panichella},
journal= {arXiv preprint arXiv:2107.09936},
year = {2021}
}