当前位置:首页 > 报告详情

AI4SE:通过工具支持的分类获得新见解——两个工业案例.pdf

上传人: p****n 编号:614179 2025-02-19 16页 2.03MB

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文探讨了利用人工智能对软件工程 artifact 进行分类的方法,特别关注缺陷报告的处理。作者来自 Blekinge 理工学院,与工业界合作,研究兴趣包括测试案例质量、测试案例选择与优先级、测试易变性以及为决策支持提供视觉和数据分析。文中提到,缺陷报告的分类对于确定解决方案(如代码修正、文档更新、培训教育或新功能开发)至关重要。 关键数据包括不同产品尺寸和代码库年龄下的缺陷报告分析,展示了大型产品(P1)在10年以上代码库历史和100名开发人员的情况下,3300份缺陷报告中13%不需要代码修正。小到中等规模的开源项目(OSS)中,这一比例为42.6%。 研究动机在于,AI解决方案能够通过自动化的早期评估,支持缺陷报告的路由,并帮助理解缺陷报告中的主题,从而提出改进措施。例如,识别常见的缺陷原因和需要更好文档的特征。 采用的AI分类方法包括基于过去数据训练的机器学习模型,该模型能够预测新缺陷报告是否需要代码修正。模型输入包括提交者的有效性、缺陷报告的描述特征等,输出为代码修正的概率。模型主要贡献因素是提交者的有效性。 研究结果表明,该分类方法可以将需要审查的缺陷报告从3500份减少到50份,从而提供了数据驱动的见解,支持了诸如改进文档不清的特征等建议。此外,该方法还适用于其他工件,如拉取请求和审查者反馈。 参考文献提供了进一步的研究细节和成果。
"AI如何助力SE艺术品缺陷报告分类?" 开发者需要参与吗?" "AI方法在缺陷报告分类中的应用与解析"
客服
商务合作
小程序
服务号
折叠