.png){kind=icon}
返回
CCMG: Enhancing Conventional Commit Message Generation With Hierarchical Context
.png){kind=icon}
PRE
AI
DOI：10.1109/tse.2026.3692869.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
自动化提交信息生成，旨在从代码变更中生成自然语言描述，使开发者能更专注于项目维护和管理。为确保提交信息的质量，大多数项目约束其风格并采用常规提交规范。常规提交信息生成已显著受益于近期大型语言模型（LLMs）的进展。然而，以往方法通常仅依赖一种或两种类型的信息进行生成，忽视了广泛的上下文信息。此外，它们往往以粗粒度方式提取上下文，遗漏关键细节。为解决此问题，我们提出CCMG，一种新颖的层次化上下文增强的常规提交信息生成框架，整合项目无关和项目特定上下文。对于项目无关上下文，CCMG从大规模语料库中检索并优化相关提交以符合常规提交规范。对于项目特定上下文，CCMG从项目、代码和风格角度提供广泛的软件上下文信息。最后，CCMG设计两阶段提示策略，聚焦于常规信息推理和提交类型适配。与最先进基于LLM的方法（如OMG和OMEGA）相比，实验结果表明，CCMG在提交信息生成的人类评估中实现了平均31.45%的提升，并在提交类型分类中准确率提高21.00%、F1分数提高20.88%。
Keyword:
Automatic commit message generation
conventional commit specification
large language model
期刊
IF:
5.6
论文数:
2.9K
被引数:
1.1W
机构
引用论文
CoreGen: Contextualized Code Representation Learning for Commit Message Generation.png)
NEUROCOMPUTING
OAAI
NEUROCOMPUTINGIF6.5
OAAI分享收藏A large-scale empirical study of commit message generation: models, datasets and evaluation提交消息生成的大规模实证研究: 模型、数据集和评估
PREAI
分享收藏
查看更多内容