抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
現代のコードレビューは,オープンソースソフトウェア(OSS)開発において普及するプル要求開発パラダイムにおける重要で不可欠な実践である。大規模な参加者を有するプロジェクトにおける適切なレビュー者を見出すことは,ますます挑戦的な課題になる。多くのレビュー者推薦アプローチ(推薦者)は,同様の戦略,すなわち,レビューの歴史をモデリングし,次に,モデルに基づいたレビュー者を予測/推薦するという,このタスクをサポートするために開発された。明らかに,より良いモデルはレビュー歴史における現実を反映して,より高い推薦者のパフォーマンスは期待するかもしれない。しかし,プル要求開発パラダイム,すなわち,1つのPull-Request(PR)(貢献者によって提出された修正または追加のような)における1つの典型的シナリオは,複数のレビュー者を持ち,そして,それらは,既存の推薦者においてよくモデル化されていない,そして,彼らが,公的に投稿されたコメントを通して互いに影響を与える可能性がある。ハイパーグラフ技術を採用して,この高次関係(すなわち,複数のレビュー者による1つのPR)をモデル化して,新しい推薦者,すなわち,87K以上のPRsを有する12のOSSプロジェクトによって評価されるHGRec,精度および推薦分布に関して680Kコメントを評価した。結果は,HGRecが推薦精度に関して最先端の推薦者より優れていることを示した。そのうえ,トップ3つの正確な推薦者の間で,HGRecは,レビュー者の多様性を推薦する可能性が高く,それは,コアレビュー者の作業負荷混雑問題を緩和するのを助けることができる。さらに,HGRecは,レビュー履歴をモデリングする自然で解釈可能な表現であるハイパーグラフに基づいているので,現代のコードレビューシナリオにおいて,より多くのタイプのエンティティと現実的関係に順応するのは容易である。最初の試みとして,本研究は,コードレビュー者推薦のための実用的解を進める上で超グラフの可能性を明らかにした。【JST・京大機械翻訳】