10.3778/j.issn.1673-9418.1609033
深度学习在缺陷修复者推荐中的应用
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.
缺陷追踪、缺陷报告分配、深度学习
11
TP311.5(计算技术、计算机技术)
The National Natural Science Foundation of China under Grant Nos.61672045,61421091;the National Basic Research Program of China under Grant No.2015CB352201国家重点基础研究发展计划973计划
2017-07-05(万方平台首次上网日期,不代表论文的发表时间)
共8页
700-707