文献

J-GLOBAL ID：202002226130391987   整理番号：20A0267167

プル要求記述の自動生成【JST・京大機械翻訳】

Automatic Generation of Pull Request Descriptions

著者 (5件)： Liu Zhongxin (Zhejiang University) ,  Xia Xin (Monash University) ,  Treude Christoph (University of Adelaide) ,  Lo David (Singapore Management University) ,  Li Shanping (Zhejiang University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ASE  ページ： 176-188  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： プルベース開発モデルにより可能となる開発者は,プル要求(PRs)を通してプロジェクトに容易に貢献できる。PRを作成するとき,開発者は,このPRおよび/または理由においてどのような変化がなされているかを記述するために,自由形状記述を追加することができる。このような記述は,詳細に触れることなくPRの迅速な理解を得るためのレビュー者と他の開発者にとって有用であり,PRが無視されるか拒絶される可能性を減少させる可能性がある。しかし,開発者はしばしばPRsに対する記述を無視している。例えば,333K以上のPRを有する収集データセットにおいて,PR記述の34%以上が空である。この問題を軽減するために,筆者らは,PRsにおけるコミットメッセージと付加ソースコードコメントに基づいて,PR記述を自動的に生成する手法を提案した。この問題をテキスト要約問題と見なし,それを新しいシーケンス-シーケンスモデルを用いて解いた。ソフトウェアアーチファクトにおける語彙外単語に対処し,シーケンス対シーケンスモデルの訓練損失関数と人間評価に対応する評価メトリックROUGEの間のギャップを橋渡しするために,強化学習と特別な損失関数を用いてROUGEを直接最適化する。41KPR以上のデータセットを構築し,ROUGEと人間評価を通してこのデータセットに関するアプローチを評価した。著者らの評価結果は,著者らのアプローチが有意なマージンによって2つのベースラインを上回ることを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ソフトウェア ,  *アーチファクト ,  最適化 ,  損失関数 ,  基準線 ,  単語 ,  強化学習 ,  語彙 ,  *自動生成 ,  改変
準シソーラス用語： ホップ数 , 【Automatic Indexing@JST】

分類 (3件)： 計算機網  (JC03000K) ,  データ保護  (JD01020V) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 記述 ,  自動生成