基于深度学习的代码审查意见有效性评估

• 作者: 段雨佳 鞠婷
• 来源期刊: 电子科技
• 学科: 工学
• 关键词: 软件工程 代码审查 深度学习 长短期记忆模型 词向量 自然语言处理.
• 年，卷（期）: 2020,（1）
• 页码范围: 39-45
• 页数: 7页
• 分类号: TP391.1
• 字数: 5145字
• 语种: 中文
• DOI: 10.16180/j.cnki.issn1007-7820.2020.01.008

摘要

针对代码审查过程中的代码审查意见对于开发者可能无价值的问题,文中提出了一种基于深度学习长短期记忆网络的代码审查意见有效性评估方法.该方法通过提取代码审查意见中与审查意见有效性相关的特征,并根据这些特征构建评估模型,从而评估审查意见对于开发人员是否有价值.为了验证方法的有效性,文中选取了GitHub上开源Eclipse项目中的审查信息作为实验数据,并将所提方法与其它机器学习方法对比.实验结果表明,该方法可以有效评估审查意见的价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	段雨佳	杭州电子科技大学计算机学院	1	0	0.0	0.0
2	鞠婷	杭州电子科技大学计算机学院	3	1	1.0	1.0