融合双向门控循环单元和注意力机制的软件自承认技术债识别方法

摘要：

软件自承认技术债(Self-admitted Technical Debt,SATD)由程序开发人员写入项目的源代码注释中,是开发人员为追求短期效益而刻意留下软件缺陷的说明,大量的SATD将不利于软件维护.近年来,越来越多的学者致力于软件SATD识别的研究,并提出了不同的识别方法,如基于自然语言处理或文本挖掘等检测方法.然而,大多数研究结果依赖于现有的词库或手工提取的特征,不仅耗费了大量的时间,而且增加了计算复杂度,识别结果并不理想.基于此,提出了一种基于双向门控循环单元(Gate Recurrent Unit,GRU)和注意力机制的软件自承认技术债识别方法,通过Word2vec中的Skip-gram模型获取词向量,构建双向GRU网络获取高级特征,并利用注意力机制自动发现对SATD分类起到关键作用的词,从而捕获最重要的语义信息.实验结果表明,本文方法在精确率、召回率和F1-score上均有较优表现,能够有效地识别软件SATD,避免了传统任务中复杂的特征工程.

关键词：软件维护、自承认技术债、Word2vec、注意力机制、GRU

所属期刊栏目：49

分类号：TP311(计算技术、计算机技术)

资助基金：江苏省高等学校自然科学研究面上基金;江苏省镇江市重点研发计划社会发展项目;江苏省自然科学基金面上项目

在线出版日期：2022-07-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：212-219