.png){kind=icon}
返回
Classification of open source software bug report based on transfer learning
.png){kind=icon}
PRE
AI
DOI：10.1111/exsy.13184.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
目前，基于深度学习的bug报表分类模型中文本编码向量的特征丰富度受到领域数据集大小和文本质量的限制。但是，很难进一步丰富文本编码向量的特征。同时，现有的bug报告分类方法大多忽略了提交者的个人信息。为了解决这些问题，我们通过调查构建了GitHub中bug报告提交者的九个个人信息特征。然后，我们提出了一种基于迁移学习和提交者个人信息的GitHub错误报告分类方法，即个人信息微调网络 (PIFTNet)。PIFTNet通过微调BERT中的预训练参数，将双向编码器表示中的一般文本特征向量从transformers (BERT) 转移到错误报告分类域。并结合文本特征和提交者个人信息特征构建分类模型。此外，我们提出了一种两阶段训练方法，以减轻由于直接训练PIFTNet而导致的训练前参数的灾难性变化以及最初学到的知识的损失。我们在从GitHub提取的数据集上验证了所提出的PIFTNet，实证结果证明了PIFTNet的有效性。
Keyword:
Bug report classification
Deep learning
Submitter's personal information
Transfer learning
期刊
IF:
2.3
论文数:
2.6K
被引数:
3.8K
机构
引用论文
Design and fabrication of silica-based integrated-optic 1×128 power splitter硅基集成光学1 × 128功分器的设计与制作
.png){kind=icon}
PREAI
分享收藏Ophthalmic Disease Detection via Deep Learning With a Novel Mixture Loss Function通过具有新型混合损失函数的深度学习进行眼科疾病检测
PREAI
分享收藏SSUR: An Approach to Optimizing Virtual Machine Allocation Strategy Based on User Requirements for Cloud Data CenterSSUR: 一种基于用户需求的云数据中心虚拟机分配策略优化方法
PREAI
分享收藏Assessment of simple colorimetric procedures to determine smoking status of diabetic subjects评估简单的比色程序以确定糖尿病受试者的吸烟状况
OAAI
OAAI分享收藏Impact of Pump Phase-Modulation on the Bit-Error Rate in Fiber-Optical Parametric-Amplifier-Based Systems泵浦相位调制对基于光纤参量放大器的系统中误码率的影响
PREAI
分享收藏分享收藏
查看更多内容