.png){kind=icon}
返回
Mining user reviews for method-level bug localization using transformers in java-based applications
.png){kind=icon}
PRE
AI
DOI：10.1007/s00521-025-11611-w.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
用户经常在移动应用程序上发表数百条评论，通常表达不满意、报告错误或建议新功能。这些评论代表了一个有价值的反馈渠道，可用于改进软件质量和用户满意度。在本研究中，我们提出了一种增强的基于Transformer的方法，用于自动将用户评论与移动应用中相关的代码元素（方法级别）进行关联。与停留在文件或类级别不同，我们的方法识别出最可能与用户反馈中描述的问题相关的具体Java方法。我们的流程首先通过一个结合情感和意图感知的层过滤评论，其中保留那些表现出强烈负面情感或通过零样本意图分类模型被归类为投诉或功能请求的评论。为对相关评论进行分组，我们采用BERTopic。这种基于Transformer的主题建模技术使用Sentence-BERT嵌入和HDBSCAN聚类，无需预定义主题数量即可形成连贯的语义聚类。每个主题随后通过计算聚类评论嵌入的平均值表示为密集向量。在代码方面，我们使用JavaParser提取并预处理Java方法，并利用Sentence-BERT生成上下文嵌入。通过计算主题向量和代码向量之间的余弦相似度，识别与每个聚类中关注点最相关的Java方法。我们在涵盖10个开源Android应用的44,683条用户评论数据集上验证了我们的方法。结果表明，该方法能有效准确地识别与用户报告问题相关的方法级别代码元素，使其成为软件维护和演进的有价值工具。
Keyword:
BERTopic
Intent classification
BART
Reviews
Mobile apps
Sentence-BERT
Similarity
期刊
IF:
4.5
论文数:
914
被引数:
3.2W
机构
引用论文
Classification of application reviews into software maintenance tasks using data mining techniques
PREAI
分享收藏How Should I Improve the UI of My App?: A Study of User Reviews of Popular Apps in the Google Play
PREAI
分享收藏Analysis and Classification of Mobile Apps Using Topic Modeling: A Case Study on Google Play Arabic Apps.png)
Complexity
OAAI
ComplexityIF0
OAAI分享收藏Mining and searching app reviews for requirements engineering: Evaluation and replication studies
OAAI
OAAI分享收藏A study of the relation of mobile device attributes with the user-perceived quality of Android apps
PREAI
分享收藏A Review on the Mobile Applications Developed for COVID-19: An Exploratory AnalysisIEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容