.png){kind=icon}
返回
Labeling issues through semantic patterns in open-source Agile practices
.png){kind=icon}
OA
AI
DOI：10.1016/j.knosys.2025.114197.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• Bug labeling，作为问题管理的关键方面，通过集成机器学习与自然语言处理（ML&NLP）方法得到了显著改进。
• TF-IDF与SVD技术的集成极大地提升了Bug严重性预测的精确度和准确性。
• 一个全面的预处理流程，包括词形还原和异常值移除，确保了模型性能的优化和预测结果的可靠性。
• 本研究改进了Bug分类和资源分配，提升了敏捷软件开发过程中的效率和经济性。
Keyword:
Semantic descriptors
Ensemble ML&NLP pipeline
(Non)-oversampling
Agile development
Post-agnostic method
期刊
K
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
引用论文
Enhancing Agile Story Point Estimation: Integrating Deep Learning, Machine Learning, and Natural Language Processing with SBERT and Gradient Boosted TreesB. Yalçıner, K. Dinçer, A. G. Karaçor, M. Ö. Efe, 增强敏捷故事点估算：整合深度学习、机器学习和自然语言处理与SBERT和梯度提升树, Appl. Sci. 14(16) (2024) 7305. 10.3390/app14167305.
.png){kind=icon}
PREAI
分享收藏分享收藏Power of LSTM and SHAP in the Use Case Point Approach for Software Effort and Cost EstimationN. Rankovic, D. Rankovic, LSTM和SHAP在用例点方法软件工作量与成本估算中的应用优势，载于：2024年IEEE第22届应用机器智能与信息学世界 symposium (SAMI), 2024, 第000059–000064页。10.1109/SAMI60510.2024.10432878
PREAI
分享收藏The Evolution of Auxiliary Verbs of Ability in Ancient Chinese from the Perspective of the Semantic Map ModelR. K. Dey, A. K. Das, 基于改进的词频-逆文档频率的深度混合框架用于情感分析, Multimed. Tools Appl. 82(21) (2023) 32967–32990. 10.1007/s11042-023-14653-1.
PREAI
分享收藏
A Comparative Analysis on Effort Estimation for Agile and Non-agile Software Projects Using DBN-ALO
PREAI
分享收藏
查看更多内容