Automatic Duplicate Bug Report Detection using Information Retrieval-based versus Machine Learning-based Approaches
- 论文下载地址: 下载链接
- 作者: Behzad Soleimani Neysiani - Dr. Seyed Morteza Babamir
- Affiliation: University of Kashan
- 发表年份: 2020年
- 关键词: 重复 bug 报告检测，命名实体识别，上下文感知随机森林，卷积神经网络
摘要
本文的摘要是对自动重复 Bug 报告检测（DBRD）中使用信息检索（IR）和机器学习（ML）两种方法进行评估和比较。研究使用了Android数据集进行评估，分析了约2百万对Bug报告中的59个重复报告。结果表明，ML方法在验证性能方面表现更好，比IR方法高出40%。此外，ML方法还具有更可靠的性能评估指标。
创新点与借鉴点
- 方法比较：文章在自动重复 Bug 报告检测中比较了信息检索（IR）方法和机器学习（ML）方法的性能，这是该领域的一项重要研究工作。
- 大规模数据集：研究使用了大约2百万对Bug报告的Android数据集，这使得评估更为全面。
- 性能度量标准：文章引入了多个性能度量标准，包括准确性、精确性、召回率等，以评估两种方法的效率和可靠性。
总结
本文研究了自动重复 Bug 报告检测这一在软件处理系统中重要的问题。过去的方法包括信息检索（IR）和机器学习（ML），但尚不清楚哪种方法更有效。作者使用Android数据集进行了比较性能的研究，分析了大约2百万对Bug报告，其中有59个是重复的。结果表明，机器学习方法在自动重复 Bug 报告检测任务中表现出了更好的性能，超过了信息检索方法约40%。此外，机器学习方法还具有更可靠的性能评估标准，如准确性、精确性和召回率，而信息检索方法只有平均精度（MAP）或排名指标。