ToxiCRを用いた毒性コードレビューの自動同定【JST・京大機械翻訳】

Sarker Jaydeb; Turzo Asif Kamal; Dong Ming; Bosu Amiangshu

プレプリント

J-GLOBAL ID：202202212453138218 整理番号：22P0295668

ToxiCRを用いた毒性コードレビューの自動同定【JST・京大機械翻訳】

Automated Identification of Toxic Code Reviews Using ToxiCR

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年02月25日プレプリントサーバーでの情報更新日： 2023年02月07日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ソフトウェア開発相互作用中の毒性会話は,自由およびオープンソースソフトウェア(FOSS)開発プロジェクトに深刻な再考を持つ可能性がある。例えば,毒性会話の犠牲者は自分自身を表現し,従って,脱動機を得て,最終的にプロジェクトを残す可能性がある。毒性会話の自動フィルタリングは,FOSSコミュニティがそのメンバー間の健康相互作用を維持するのを助けるかもしれない。しかし,オフライン毒性検出器は,ソフトウェア工学(SE)データセット,例えば,コードレビューコメントから1つのキュア化,をほとんど実行しない。この課題に遭遇するため,コードレビュー相互作用のための教師つき学習ベース毒性同定ツール,ToxiCRを提示した。ToxiCRは,10の教師つき学習アルゴリズムの1つを選択するための選択,テキストベクトル化技術の選択,8つの前処理ステップ,および19,571のコードレビューコメントの大規模ラベル付きデータセットを含む。それらの8つの前処理段階のうち2つはSEドメイン特異的である。前処理段階とベクトル化技法の種々の組合せによるモデルの厳密な評価で,95.8%の精度と88.9%のF1スコアをブーストする著者らのデータセットのための最良の組合せを同定した。ToxiCRは,著者らのデータセット上で既存の毒性検出器よりも著しく優れていた。著者らは,著者らのデータセット,事前訓練モデル,評価結果,および:https://github.com/WSU SEAL/ToxiCRで利用可能なソースコードを公開した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

計算機システム開発

, ,

前のページに戻る