文献

J-GLOBAL ID：202202270202858204   整理番号：22A0621808

バグ報告における昆虫の実体と関係の同定に向けて【JST・京大機械翻訳】

Towards the identification of bug entities and relations in bug reports

著者 (6件)： Li Bin (School of Information Engineering, Yangzhou University, Yangzhou, China) ,  Wei Ying (School of Information Engineering, Yangzhou University, Yangzhou, China) ,  Sun Xiaobing (School of Information Engineering, Yangzhou University, Yangzhou, China) ,  Bo Lili (School of Information Engineering, Yangzhou University, Yangzhou, China) ,  Chen Dingshan (School of Information Engineering, Yangzhou University, Yangzhou, China) ,  Tao Chuanqi (College of Computer Science and Technology/College of Artificial Intelligence, Nanjing University of Aeronautics and Astronautics, Nanjing, China)
資料名： Automated Software Engineering  (Automated Software Engineering)
巻： 29  号： 1  ページ： 24  発行年： 2022年 
JST資料番号： W0889A  ISSN： 0928-8910  CODEN： ASOEEA  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： バグ固定プロセスの間,開発者は,通常,バグリポジトリにおける歴史的関連バグ報告を分析し,様々なバグ分析と固定活動をサポートする。バグ報告には豊富な意味論と関係があり,それはバグ検索,推薦,および修理に役立つ。本論文では,バグ理解と固定を支援するためのエンティティ認識と関係抽出という2つの展望から,バグレポートの有効な知識を迅速に抽出する。一方,バグ知識の有効な抽出を通してバグレポートの関連性を強化することを期待する。バグ報告書におけるバグエンティティと関係を効果的に抽出するために,著者らは最初にバグエンティティ間の8種類の関係を定義して,バグエンティティとバグレポートにおけるそれらの関係を自動的に同定するために,最短依存性経路(SDP-RNN)に基づくニューラルネットワークリカレントニューラルネットワーク(RNN)とRNNを組み込んだ。【結果】4つの実験的質問を通して著者らの方法の有効性を評価する。結果から,著者らの方式によって抽出したバグ知識は,バグレポートにおける意味論および関係を効果的に表現することができ,エンティティ認識および関係抽出において,それぞれ79.32%および63.8%のF1スコアを得た。提案した手法は,バグレポートにおける構造化バグ知識を効率的に抽出することができ,さらに,これらの構造化バグ知識ユニットの表現を通して,バグレポートとバグ知識の有効性の間の相関を強化することができる。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 意味論 ,  ニューラルネットワーク ,  報告 ,  認識 ,  報告書 ,  昆虫類 ,  *ソフトウェア障害 ,  検索 ,  有効性 ,  理解 ,  リポジトリ
準シソーラス用語： エンティティ ,  関係抽出 , 【Automatic Indexing@JST】

著者キーワード (4件)： バグ解析 ,  バグ実体認識 ,  関係抽出 ,  ニューラルネットワーク

分類 (1件)： 計算機システム開発  (JD02010R)

タイトルに関連する用語 (4件)： バグ ,  報告 ,  昆虫 ,  同定