.png){kind=icon}
返回
Automatic techniques for issue report classification: A systematic mapping study
.png){kind=icon}
OA
AI
DOI：10.1007/s10515-026-00616-x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多项研究已评估用于将软件问题报告分类为错误与非错误的自动技术，以协助实践者根据问题类型有效分配相关资源。目前，尚未发布该领域的综合概述。综合概述有助于识别未来研究方向并提供潜在相关现有解决方案的广泛集合。本研究旨在提供自动技术用于分类问题报告的综合概述。我们开展了一项系统映射研究，并确定了46项相关研究。研究结果指出，现有文献应用了各种技术进行问题报告分类，包括传统机器学习和基于深度学习的技术，以及更先进的大型语言模型。此外，我们观察到这些研究（a）缺乏实践者的参与，（b）未考虑预测准确度之外的其它潜在相关采用因素，如技术的可解释性、可扩展性和泛化性，以及（c）主要仅依赖开源仓库的存档数据。因此，未来研究应聚焦于真实工业评估，考虑其它潜在相关采用因素，并积极吸纳实践者参与。
Keyword:
Bug report classification
Issue report classification
Software maintenance
Systematic mapping study
Literature review
期刊
A
IF:
3.1
论文数:
84
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏分享收藏
分享收藏
查看更多内容