TRIAD：基于工件间传递链路双词增强推导的自动化可追溯性恢复
软件工程
2024-01-18 v2
摘要
可追溯性允许利益相关者提取并理解软件生命周期中引入的软件工件之间的追踪链接，从而为软件工程任务提供重要支持。尽管其益处已得到证明，但软件可追溯性难以手动恢复和维护。因此，已有大量自动化可追溯性恢复方法被提出。其中大多数依赖于软件工件之间的文本相似度，例如基于信息检索（IR）的方法。然而，不同抽象层级的工件通常具有不同的文本描述，这会极大地阻碍基于 IR 的方法的性能（例如，自然语言编写的需求可能与 Java 类的文本相似度很小）。在本工作中，我们利用基于中间工件的共识双词和传递关系（即内部和外部传递链接）来改进基于 IR 的可追溯性恢复。我们首先从所有源、中间和目标工件中提取并过滤双词。然后，我们使用来自中间工件的共识双词来扩展源和目标工件的双词，最后推导出外部和内部传递链接以调整源和目标工件之间的文本相似度。我们基于其他文献中广泛使用的五个系统进行了全面的实证评估，以表明我们的方法能够优于四种 SOTA 方法，以及其性能如何受源、中间和目标工件的不同条件影响。结果表明，我们的方法在 AP 上平均优于基线方法超过 15%，在 MAP 上平均超过 10%。
引用
@article{arxiv.2312.16854,
title = {TRIAD: Automated Traceability Recovery based on Biterm-enhanced Deduction of Transitive Links among Artifacts},
author = {Hui Gao and Hongyu Kuang and Wesley K. G. Assunção and Christoph Mayr-Dorn and Guoping Rong and He Zhang and Xiaoxing Ma and Alexander Egyed},
journal= {arXiv preprint arXiv:2312.16854},
year = {2024}
}
备注
Accepted by the 46th International Conference on Software Engineering (ICSE 2024)