机器学习项目情感分析：情感智能与代码质量的桥梁
软件工程
2024-09-27 v1
摘要
本研究探讨了情感分析（SA）与机器学习（ML）项目中代码质量之间复杂的关系，阐明了开发人员的情感动态如何影响软件项目的技术与功能属性。认识到开发人员情感在其中的关键作用，本研究运用先进的情感分析技术，对来自高知名度机器学习项目中文本交互（如代码注释、提交信息和问题讨论）所表达的情感状态进行审查。通过整合流行机器学习存储库的全面数据集，本分析采用基于规则、机器学习和混合情感分析方法的组合，以系统性地量化情感得分。随后将开发人员表达的情感价值与包括缺陷、漏洞、安全热点、代码异味和重复实例等多种代码质量指标的谱系相关联。本研究的发现清晰地表明，开发人员中积极的情感与通过减少缺陷和降低代码异味发生率表现出的优越代码质量指标密切相关。这一关系凸显了培育积极情感环境以提升生产力和代码技艺的重要性。相反，分析结果显示，消极情感与问题数量增加相关联，尤其是重复次数增加和安全风险升高，指向了不利情感条件对项目健康的消极影响。
引用
@article{arxiv.2409.17885,
title = {Sentiment Analysis of ML Projects: Bridging Emotional Intelligence and Code Quality},
author = {Md Shoaib Ahmed and Dongyoung Park and Nasir U. Eisty},
journal= {arXiv preprint arXiv:2409.17885},
year = {2024}
}