基于監(jiān)督學習的bug報告和源代碼摘要.pdf

1、開發(fā)者在執(zhí)行軟件任務時，需要與軟件工件如bug報告、源代碼倉庫等進行交互，為了獲取所需要的信息，也許需要徹底地通讀整個工件。然而，從bug報告和源代碼中提取有價值的信息是一項十分繁瑣且耗時的任務。為了高效地求解這個任務，研究者建議為軟件工件自動化地建立摘要信息。
　　在本文，為了方便開發(fā)者從bug報告和源代碼倉庫中高效地提取所需要的信息，我們提出使用有監(jiān)督的學習技術來建立摘要信息。我們使用重復的bug報告來建立bug報告摘要信息，

2、作為自然語言文本摘要任務的一個實例。在另一個調研中，我們執(zhí)行源代碼片段摘要，作為源代碼到源代碼摘要任務的一個實例。
　　對于bug報告，我們開發(fā)了一種基于PageRank的bug報告摘要算法(PageRankbased Summarization Technique)，簡稱為PRST。該算法使用三種不同的相似度度量方法，分別基于VSM、Jaccard和WordNet，來計算主bug報告和對應的重復的bug報告之間的相似度。由于公共

3、可用的bug報告語料庫中缺乏主bug報告和重復bug報告的對應關系，無法利用重復bug報告中包含的信息來執(zhí)行bug報告摘要任務。因此，我們從Mozilla、KDE、Gnome和Eclipse項目中抽取出59個bug報告并建立了一個獨立的bug報告語料庫，稱為OSCAR。同時，我們通過增加重復的bug報告來重構已有的BRC語料庫，并將其作為對比語料庫。我們采用幾種先進的統(tǒng)計評價指標，即精度(Precision)、召回率(Recall)，F

4、-Score和Pyramid Precision，外在地評價所提出的算法的有效性。結果顯示我們提出的算法能夠獲得相對準確的bug報告摘要信息，并且，提高了已有的有監(jiān)督的bug報告和精度。
　　同樣地，為了建立源代碼摘要信息，我們開發(fā)了一種基于SVM和NB分類器的代碼片段摘要算法（Code Fragment Summarization，CFS）自動生成源代碼片段中源到源摘要信息。在軟件工件摘要范式中，我們首次引入了基于數據驅動的小規(guī)