17765?1483088285

【缺陷】 第一次讨论结果 正常


胡东阳添加于 08/21/2018 22:34

1、第一阶段目标:运用document embedding (例如doc2vec)方法解决传统经典bug研究问题,例如bug localization、bug分类、bug指派等。传统方法主要是基于bug的自身属性或者利用传统的信息抽取方法(例如TF-IDF)来计算文本的相似度


2、经过调研,对于传统的bug localization问题,目前已有研究利用人工神经网络(例如word embedding, word2vec)方法来研究此类问题。但是word2vec方法只考虑了词与词之间的相似度,很难将一些bug的结构属性加入到模型中,但是doc2vec方法在word2vec基础上考虑了文档标签,所以可以将bug的属性很容易的加入到人工神经网络的模型中去,使模型参考因素更多,更加健壮。所以我们猜测doc2vec方法解决传统的bug localization问题效果会更好。


3、第一阶段计划:运用doc2vec方法对bug localization问题进行研究,并与前人的工作做对比,比如与word2vec方法做实验对比,验证我们实验方法的优越性。


4、下一阶段计划:我们在传统bug问题上走通后,再想办法移植到github上的新式研究问题,例如给用户推荐项目,预测issue的解决时间之类的。



回复(4)
  • 17765?1483088285
  • 17765?1483088285
    胡东阳 6年前

    相关网站资料:

    1、https://blog.csdn.net/aliceyangxi1987/article/details/75097598

    2、https://blog.csdn.net/surehao/article/details/19623345

    3、https://blog.csdn.net/lk7688535/article/details/51321466

    4、https://blog.csdn.net/mpk_no1/article/details/72836024

  • 17765?1483088285
    胡东阳 6年前

    attachment 07372035.pdf added

    attachment 07582745.pdf added

    attachment 07774514.pdf added

    attachment fse14.pdf added

    attachment Learning to Rank Relevant Files for Bug Reports Using Domain know.pdf added

    Description updated (diff)

    Status changed from 新增 to 正在解决

    % Done changed from 0 to 20

  • 39?1705884565
    张洋 6年前

    Description updated (diff)

0?1470885445
登录后可添加回复
  • 当前状态 正在解决
  • 选定优先级 正常
  • 指派给 --
  • 里程碑 --
  • 开始日期 08/21/2018
  • 结束日期
  • 预计工时(H) 0.00 hour
  • 完成度 20%
  • 关联Commit

© Copyright 2007~2021 国防科技大学Trustie团队 & IntelliDE 湘ICP备 17009477号

问题和建议
还能输入50个字符 Submit

加入QQ群

关注微信APP


×