ReviewRanker：基于半监督学习的代码评审质量估计方法
软件工程
2023-07-11 v1
摘要
代码评审被视为软件行业中最小化缺陷与提升代码质量的关键过程。评审过程有效性的检查与持续改进可提升开发生产力。此类检查耗时且易受人偏置影响。我们提出一种基于半监督学习的系统 ReviewRanker，旨在为每份代码评审分配一个置信度分数，该分数预期与评审质量相呼应。我们提出的方法基于开发者提供的简单且明确定义的标签进行训练。标注任务几乎不需开发者付出精力，且与最终目标（分配评审置信度分数）有间接关系。ReviewRanker 预期通过减少人偏置与该任务所需精力，改善行业范围的代码评审质量检查。该系统有潜力最小化开发与评审过程中存在的来回循环。本研究可用代码与数据集见：https://github.com/saifarnab/code_review
引用
@article{arxiv.2307.03996,
title = {ReviewRanker: A Semi-Supervised Learning Based Approach for Code Review Quality Estimation},
author = {Saifullah Mahbub and Md. Easin Arafat and Chowdhury Rafeed Rahman and Zannatul Ferdows and Masum Hasan},
journal= {arXiv preprint arXiv:2307.03996},
year = {2023}
}