CNN-Based Automatic Prioritization of Bug Reports
- 论文下载地址: 下载链接
- 作者: Qasim Umer, Hui Liu, and Inam Illahi
- 发表: IEEE TRANSACTIONS ON RELIABILITY
- 发表年份: 2020年
- 关键词: bug reports, prioritization, convolutional neural network, natural language processing
摘要
本文提出了一种基于卷积神经网络（CNN）的自动化Bug报告优先级划分方法。软件系统常常收到大量的Bug报告，为了及时解决重要和紧急的Bug，需要对不同的报告进行优先级划分。然而，手动划分是繁琐且耗时的。为解决这个问题，本文提出了一种基于CNN的自动化优先级划分方法。首先，应用自然语言处理技术对Bug报告的文本信息进行预处理，并将其转化为基于单词之间的句法和语义关系的向量表示。其次，使用软件工程领域特定的情感分析技术对Bug报告进行情感分析，并计算每个报告的情感值。最后，训练一个基于CNN的分类器，根据输入的文本向量和情感值生成推荐的优先级。实验结果表明，提出的方法在Bug报告的优先级划分任务上取得了良好的性能，显著提高了准确率和召回率。这项研究为自动化Bug报告优先级划分提供了有效的解决方案，减轻了人工处理的负担。
创新点与借鉴点
创新点
- 本文使用卷积神经网络（CNN）进行Bug报告的自动化优先级划分。传统方法往往是手动划分，本文提出了一种自动化的方法，可以节省时间和人力成本。
- 本文利用自然语言处理技术对Bug报告进行预处理，将文本信息转化为向量表示，以便于输入到CNN分类器中进行训练和优先级推荐。
- 本文使用软件工程领域特定的情感分析技术对Bug报告进行情感分析，并结合情感值进行优先级划分。这一方法能够考虑到报告的情感意义，从而更好地划分其优先级。
借鉴点
- 本文借鉴了自然语言处理技术的应用，将其应用于Bug报告的优先级划分任务中。这一思路可以借鉴到其他领域的文本分类和预测任务中。
- 本文利用情感分析技术对Bug报告进行情感分析，并将情感值作为一个重要特征进行优先级划分。这一方法也可借鉴到其他需要考虑情感意义的任务中，如用户评论的情感分析和产品推荐等。
- 本文使用卷积神经网络（CNN）进行Bug报告的优先级划分，这种方法可以借鉴到其他分类任务中，尤其是文本分类任务中，以提高准确率和召回率。
实验方法
实验部分：
- 研究问题定义：文章旨在解决Bug报告的自动优先级划分问题。
- 数据集：使用了多个开源项目的Bug报告数据集，其中包括Java开发工具（JDT）、Eclipse的C/C++开发工具（CDT）、Mylyn任务和问题跟踪（Mylyn）、以及平台和运行时（Platform）的Bug报告数据。
- 预处理：对Bug报告的文本信息进行了预处理，包括单词的屈折和词形还原，以及情感分析。
- 特征工程：提取了基于文本的特征向量和情感值作为输入特征。
- 分类器训练：训练了基于卷积神经网络（CNN）的分类器，用于生成推荐的Bug报告优先级。
- 性能评估：使用准确率、召回率、F1分数等指标来评估提出方法的性能，并与其他方法进行比较。
方法部分：
- 文本预处理：使用自然语言处理技术对Bug报告的文本信息进行预处理，包括分词、去除停用词、词干提取、词形还原等。
- 情感分析：利用软件工程领域特定的情感分析技术对Bug报告进行情感分析，计算每个报告的情感值。
- 特征提取：将文本信息转化为向量表示，以便于输入到CNN分类器中。同时，将情感值作为特征之一。
- 卷积神经网络（CNN）：设计和训练了一个CNN分类器，该分类器接受文本向量和情感值作为输入，并生成Bug报告的优先级。
- 实验设置：在不同的项目数据集上进行实验，评估提出方法的性能，并进行了对比实验，包括禁用预处理和与其他方法的比较。
- 性能评估：使用准确率、召回率、F1分数等指标来评估提出方法的性能，通过实验结果验证了方法的有效性。
总结
- (1):这篇文章旨在解决软件系统中缺陷报告优先级划分的问题；
- (2):过去的方法是手动划分优先级，但是这种方法繁琐且耗时。本文的方法基于卷积神经网络，通过自然语言处理技术将文本信息转化为向量，并利用情感分析来计算每个缺陷报告的情感值，进而根据这些输入训练一个CNN分类器进行预测推荐的优先级，从而自动划分优先级；
- (3):本文的研究方法包括使用自然语言处理技术对bug报告进行预处理，将文本信息转化为向量，利用情感分析计算情感值，然后训练一个基于卷积神经网络的分类器，最终生成推荐的优先级；
- (4):本文的方法在Bug报告的多类别优先级划分任务上取得了良好的性能，准确率和召回率均有显著改进，支持其目标的实现。