購物車(0)
基于深度學習的代碼審查意見有效性評估
段雨佳; 鞠婷 杭州電子科技大學計算機學院; 浙江杭州310000
關鍵詞：軟件工程 代碼審查 深度學習 長短期記憶模型 詞向量
摘要：針對代碼審查過程中的代碼審查意見對于開發(fā)者可能無價值的問題,文中提出了一種基于深度學習長短期記憶網(wǎng)絡的代碼審查意見有效性評估方法。該方法通過提取代碼審查意見中與審查意見有效性相關的特征,并根據(jù)這些特征構(gòu)建評估模型,從而評估審查意見對于開發(fā)人員是否有價值。為了驗證方法的有效性,文中選取了GitHub上開源Eclipse項目中的審查信息作為實驗數(shù)據(jù),并將所提方法與其它機器學習方法對比。實驗結(jié)果表明,該方法可以有效評估審查意見的價值。
電子科技雜志要求:
{1}參考文獻列在文末，以中括號編碼，按照文中引文出現(xiàn)的先后順序排列，不單獨分中外文。同一文獻只出現(xiàn)一次。禁止將一部參考文獻標注多個序列號。
{2}為保證本刊的原創(chuàng)性，杜絕任何形式的抄襲稿。稿件文責由作者自負，編輯部有權(quán)作必要的修改。文稿在3個月內(nèi)未收到退修或錄用通知，作者可自行處理，另投他刊。未被錄用的稿件一般不退稿，請自留底稿。
{3}稿件需附作者單位推薦信，注明單位對稿件的審評意見以及無一稿兩投、不涉及保密、署名無爭議等項。
{4}提供每位作者的詳細工作單位（含科室）、所在省市名、郵編。
{5}來稿請附300字左右的中英文摘要和3-5個關鍵詞。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
相關期刊
