利用众包获取的属性更好地总结缺陷报告
软件工程
2018-10-02 v1
摘要
近年来，软件维护中处理大量缺陷报告的需求不断增长。为了减少测试人员/开发人员在浏览缺陷报告上花费的时间，缺陷报告摘要任务在文献中吸引了大量研究投入。然而，对于严重影响了监督式缺陷报告摘要算法性能的属性构建，尚未有系统性分析。在本研究中，我们首先开展一项调查以揭示挖掘软件仓库中属性构建的现有方法。然后，我们提出一种名为 Crowd-Attribute 的新方法，从众包中的众包生成数据中推断新的有效属性，并开发一个名为 Crowdsourcing Software Engineering Platform 的新工具以促进该方法。借助 Crowd-Attribute，我们成功构建了 11 个新属性，并提出了一种名为 Logistic Regression with Crowdsourced Attributes (LRCA) 的新监督算法。为评估 LRCA 的有效性，我们构建了一系列包含 105,177 份缺陷报告的大规模数据集。在包含 36 份人工标注缺陷报告的公共数据集 SDS 和新大规模数据集上的实验表明，LRCA 能持续优于缺陷报告摘要的 SOTA 算法。
引用
@article{arxiv.1810.00125,
title = {Towards Better Summarizing Bug Reports with Crowdsourcing Elicited Attributes},
author = {He Jiang and Xiaochen Li and Zhilei Ren and Jifeng Xuan and Zhi Jin},
journal= {arXiv preprint arXiv:1810.00125},
year = {2018}
}
备注
Accepted by IEEE Transactions on Reliability