深度学习在缺陷修复者推荐中的应用

• 作者: 王千祥 胡星
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 缺陷追踪 缺陷报告分配 深度学习
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 学术研究
• 页码范围: 700-707
• 页数: 8页
• 分类号: TP311.5
• 字数: 5148字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1609033

摘要

目前许多软件项目使用缺陷追踪系统来自动化管理用户或者开发人员提交的缺陷报告.随着缺陷报告和开发人员数量的增长,如何快速将缺陷报告分配给合适的缺陷修复者正在成为缺陷快速解决的一个重要问题.分别使用长短期记忆模型和卷积神经网络两种深度学习方法来构建缺陷修复者推荐模型.该模型能够有效地学习缺陷报告的特征,并且根据该特征推荐合适的修复者.通过与传统机器学习方法(如贝叶斯方法和支持向量机方法)进行对比,该方法可以比较有效地在众多开发者中找出合适的缺陷修复者.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王千祥	北京大学高可信软件技术教育部重点实验室	21	1165	10.0	21.0
2	胡星	北京大学高可信软件技术教育部重点实验室	5	25	3.0	5.0