基于循环神经网络的缺陷报告分派方法

摘要：

随着开源软件项目规模的不断增大,人工为缺陷报告分派合适的开发人员(缺陷分派)变得越来越困难.而不合适的缺陷分派往往会严重影响缺陷修复的效率,为此,迫切需要一种缺陷分派辅助技术帮助项目管理者更好地完成缺陷分派任务.当前,大部分研究工作都基于缺陷报告文本以及相关元数据信息分析来刻画开发者的特征,忽略了对开发者活跃度的考虑,使得对具有相似特征的开发者进行缺陷报告分派预测时表现较差.提出一个基于循环神经网络的深度学习模型DeepTriage,一方面,利用双向循环网络加池化方法提取缺陷报告的文本特征;另一方面,利用单向循环网络提取特定时刻的开发者活跃度特征,并融合两者,利用已修复的缺陷报告进行监督学习.在Eclipse等4个不同的开源项目数据集上的实验结果表明,DeepTriage较之同类工作在缺陷分派预测准确率上有显著提升.

关键词：缺陷分派、循环神经网络、深度学习

所属期刊栏目：29

分类号：TP311(计算技术、计算机技术)

资助基金：国家重点研发计划2016YFB1000802;国家自然科学基金61702252,61672274

在线出版日期：2018-09-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：2322-2335