通过时间、编程语言和仓库探索技术债务主题
软件工程
2025-04-17 v1 机器学习
摘要
本研究通过考察技术债务（Technical Debt, TD）在时间、编程语言和仓库中的演化，探索软件工程中技术债务主题的动态景观。尽管对识别和量化技术债务进行了大量研究，但仍存在对技术债务主题多样性及其时间发展的显著认识缺口。为此，我们对来自 2015 年至 2023 年 9 月的 GitHub 问题数据进行了探索性分析，采用 BERTopic 进行精细的话题建模。本文对技术债务主题进行分类，并追踪其随时间的演进。此外，我们为每个识别出的主题引入情感分析，深入洞察这些主题所关联的感知与态度。为时空、编程语言和仓库维度提供更细致的技术债务主题趋势与转变的理解。
引用
@article{arxiv.2504.11714,
title = {Unravelling Technical debt topics through Time, Programming Languages and Repository},
author = {Karthik Shivashankar and Antonio Martini},
journal= {arXiv preprint arXiv:2504.11714},
year = {2025}
}